这项柔性热电传感技术突破了传统触觉传感器的响应速度、稳定性与多模态感知瓶颈，首次在超薄结构中实现温度梯度精准调控，支撑材质识别、三维形状重建与人体温感同步输出，为机器人操作、康复辅具和可穿戴设备提供新路径。
智能速览
采用液态金属/PDMS互补双楔形结构，抑制垂直热扩散、增强横向热流，形成稳定温度梯度
响应时间低于50毫秒，经1500次弯曲与压力循环后信号衰减小于3%
对黄铜、玻璃、泡沫等7类常见材质识别准确率达99.7%
32通道阵列可在抓取过程中实时生成物体表面温度分布与轮廓图像
贴肤工作时正负电压响应线性度R²＞0.998，可区分0.1℃级温差
精华内容
触觉不是简单‘按压反馈’，而是温度、形变、材质的多维耦合感知。这套系统把热电信号从干扰源变成核心特征，重构了柔性传感的物理基础。
结构原理
器件由高导热液态金属（GaInSn）与低导热弹性体PDMS构成互补双楔形层叠结构，上层楔角2.3°、下层楔角1.7°。这种非对称设计使垂直方向热阻提升4.8倍，而横向热导率提高2.1倍，在85微米总厚度内建立＞12℃/mm的可控温度梯度。
传统平面热电堆在弯曲时易因热流短路导致信号漂移，该结构通过几何约束将热流导向预设横向路径，实测在半径5毫米弯曲状态下输出波动＜0.8%。
器件无需外部供电，完全基于塞贝克效应自供能，开路电压达3.2mV/℃，信噪比＞68dB。
材质识别
在室温25℃环境下，对黄铜、铝、玻璃、亚克力、木材、泡沫、硅胶七种材料进行接触测试，单次识别耗时47ms，平均准确率99.7%，其中黄铜与铝的混淆率仅0.1%。
关键突破在于提取热扩散时间常数τ（单位：ms）与稳态温差ΔT（单位：℃）的二维特征向量，机器学习模型（LightGBM）据此判别材质热惯性差异。例如泡沫τ=128ms、ΔT=0.8℃，而黄铜τ=8ms、ΔT=3.1℃，区分维度清晰可靠。
对比同类柔性热传感器，该方案误识率降低一个数量级，且不依赖预设接触力或固定接触时长。
形状重建
32通道传感器以4×8矩阵排布，单通道尺寸1.2mm×1.2mm，空间分辨率达0.8mm。抓取标准圆柱体（Φ25mm）时，系统每200ms输出一帧温度-形变融合图，轮廓重建误差均值0.17mm，较纯电阻式阵列提升3.4倍。
实测显示，当手指捏合软质硅胶块时，阵列可同步捕获指尖压力中心偏移与局部降温区域（ΔT=-0.6℃），验证其对生物组织交互的解析能力。
该能力已用于原型假肢手控制：佩戴者仅需调整握姿，系统即可根据温度场变化实时修正关节扭矩，抓取成功率从76%升至94%。
这项技术不是对现有触觉方案的渐进优化，而是从热传输物理机制出发的范式重构。它让柔性器件在无源、超薄、耐弯折前提下，同时满足高精度、高鲁棒与多模态输出三大要求。下一个关键问题或许是：如何将实验室级的校准流程工程化，使其适配大规模制造与复杂环境部署？
