企业官网建设流程全解析

论文：High-resolution real-time mechanochromic tactile sensors

发表信息：Science Advances, Vol. 12, Article eaee5236, 2026 年 7 月 3 日

作者：Giacomo Sasso, Alessandro Pagani, Aaron M. Duncan, Gianni Pedrizzetti, Nicola Pugno, James J. C. Busfield, Federico Carpi

单位：Queen Mary University of London; University of Florence; University of Trieste; University of Trento / Mechano-X Labs

机器人触觉里有一个长期存在的矛盾：想要实时，就常常走电学 taxel 阵列；想要高分辨率，就常常走视觉触觉。但 taxel 阵列受限于单元尺寸、间距、走线和串扰，分辨率很难继续往下压；视觉触觉虽然可以用相机看软体表面的变形，却通常要经过光度标定、法线估计、深度重建、空间映射等步骤，才把图像变成接触几何或压力图。

Sasso 等人的这篇 Science Advances 论文提出了一条很有意思的绕路：不要先拍下普通图像再计算接触形貌，而是让材料本身在受力时直接改变颜色。换句话说，接触带来的局部应变被 mechanochromic 材料直接编码成空间分辨的结构色，相机读取颜色图就能得到触觉图。

这篇论文的核心贡献，不是单纯做了一个会变色的软材料，而是把“变色”推进到了触觉传感的系统层面：它试图同时拿到约 100 微米空间分辨率、实时读出和相对简单的硬件结构。

传统视觉触觉卡在哪里

论文先把现有视觉触觉分成两类典型路线。

第一类是 marker displacement，也就是在软体内部或表面放可跟踪的点阵，通过点的位移推断接触。它直观、稳定，但分辨率受 marker 的尺寸和间距限制。

第二类是 directional light reflection，以 GelSight 类传感器为代表，通过多方向光照和反射图案恢复表面法线、三维形貌或力分布。这类方法可以做到很高精度，但高质量重建通常需要一条计算流水线。对于动态抓取、打滑检测、精细接触控制来说，延迟本身就是代价。

这篇论文的 mechanochromic sensor 把问题改写了：接触不是先变成“普通图像”，再被算法翻译成触觉；接触直接改变材料的反射颜色。相机要做的第一件事，是读取每个像素的 hue 值。

材料机制：一个可拉伸的 Bragg reflector

传感器结构、Bragg 反射机制，以及指纹、硬币、叶片的接触形貌映射。

传感器的核心是一个三层软结构：

• 外层：黑色 elastomer，形成接触表面，同时增强颜色对比、屏蔽外界光干扰。

• 中间层：16 微米厚的 mechanochromic elastomer，是实际的颜色响应层。

• 内层：透明 elastomer，面向相机，并与透明刚性基底耦合。

当外部物体压到传感器表面时，软层产生局部形变，中间的 mechanochromic 层发生应变，反射光谱随之改变。论文使用的材料来自一层 16 微米厚的 photo-elastomeric film，通过 635 nm 激光曝光形成内部周期性纳米层结构。这种结构让材料表现得像一个可拉伸的 Bragg reflector：层间距改变，反射峰值波长就改变，肉眼或相机看到的颜色也随之从红、绿到蓝连续移动。

这一点决定了它和普通 RGB 光照视觉触觉的区别：传统系统主要依靠外部照明、反射模型和后端算法来恢复几何；这里的结构色本身就是机械状态的编码结果。论文也强调，响应时间主要受 elastomer 的黏弹松弛时间限制，通常在毫秒量级或更高，因此机械到光学的转导可以视为准瞬时。

材料是怎么做出来的

论文没有把材料制备写成一个复杂的化学合成路线，而是用 Lippmann photographic technique 在现成 photo-elastomeric film 里“写入”周期结构，再把它和 PDMS 软层组装成传感器。

第一步是制备 mechanochromic 层。作者使用 16 微米厚的 photo-elastomeric film，在暗室中把它贴放在光滑不锈钢薄片上；不锈钢同时作为反射基底。随后用 635 nm、5 mW 的红色激光，从 30 cm 距离照射 7 min。入射激光和基底反射光在薄膜厚度方向形成驻波干涉图案，引发空间差异化光聚合，最终在薄膜内部形成周期性的密度调制。这个周期结构就是后续结构色响应的来源。

第二步是把这层薄膜做成黑色/mechanochromic 双层。为了增强层间结合，作者先对 photo-elastomeric film 做 90 s 等离子体处理。黑色 elastomer 使用 Sylgard 184 PDMS，基胶和交联剂比例为 1:10，并加入 30 wt% 黑色染料；混合物通过 doctor blade 涂布到等离子处理后的 mechanochromic film 上，然后在 80°C 固化 24 h。

第三步是加透明支撑层。作者再制备 3 mm 厚的透明 Sylgard 184 PDMS 层，同样采用 1:10 交联比例，并在 80°C 固化 48 h。最终得到的三层软结构被放置在 3 mm 厚的透明玻璃板上，形成论文 Fig. 2A 中用于系统测试的结构。

这个制备流程有两个关键点：一是颜色响应不是来自染料吸收，而是来自激光写入的周期性结构；二是传感性能不只由 16 微米 mechanochromic film 决定，还强烈依赖黑色 PDMS 层、透明 PDMS 层和刚性透明基底如何共同塑造受压时的应变场。

100 微米分辨率：不是靠网络补出来的

论文用三个对象展示了形貌映射能力：人的指尖、一枚 one-penny 硬币、一片叶子。传感器被压到这些对象上后，相机直接捕获颜色分布，再转成二维/三维 hue map 和应变剖面。

作者报告，在 Fig. 2 的实验配置中，传感器结构为 0.3 mm 黑色 elastomer、16 微米 mechanochromic elastomer、3 mm 透明 elastomer；使用更高性能的单反相机后，可以解析指纹、硬币纹理和叶脉等细节，空间分辨率约为 100 微米。

这里最值得注意的是“约 100 微米”背后的条件。论文没有把它包装成一个固定硬件指标，而是明确列出影响因素：

• mechanochromic 材料本身的颜色-应变敏感性；

• 相机的光谱敏感性和光学分辨率；

• 相机到 mechanochromic 层的距离，也就是视场和像素映射面积；

• 接触对象的几何、材料和力学性质；

• 三层软结构中各层的厚度。

因此，这个传感器更像一套可调的触觉成像平台，而不是一个单参数器件。它的空间分辨率、压力灵敏度和测量范围都要通过材料、厚度和光学系统共同设计。

厚度比决定“看边缘”还是“看压力”

不同层厚比、压力和压头尺寸下的缩进实验，并与 FEM 结果对比。

为了把材料响应从漂亮图像变成可验证的测量，作者做了系统缩进实验和有限元建模。

实验变量包括：

• 圆柱形平头压头直径：3 mm 和 10 mm；

• 缩进压力：最高约 1 MPa；

• 黑色 elastomer 厚度 h1：0.3 到 3.9 mm；

• 透明 elastomer 厚度 h2：固定 3 mm；

• 层厚比 h1/h2：0.1 到 1.3。

论文把 hue map 转成 through-thickness strain，也就是 Strainz map，并与 ABAQUS 有限元模拟结果对齐。结果显示，实验 strain map 和 FEM 的相关性较高，Pearson 系数在 0.93 到 0.97 之间；归一化 RMSE 在 8.2% 到 10.9% 之间。

这组结果给出一个很实用的设计规律：mechanochromic 层越靠近接触表面，局部应变越集中在缩进区域边缘，边缘分辨能力更好；mechanochromic 层更深时，应变分布更均匀，边缘定义下降，但更适合估计局部区域的平均压力。

也就是说，低 h1/h2 更像“高清形貌模式”，高 h1/h2 更像“压力测量模式”。这不是算法参数，而是由软结构中的应变场深度分布决定的。

把写字和画星变成压力图

写字和画星压力映射实验：mechanochromic 传感器与 load cell 对照。

压力映射实验里，作者把传感器做成一个可书写/绘图的表面，并将其与 load cell 机械耦合。实验者用 3 mm 平头圆柱 stylus 在表面写 “HELLO” 和重复画星形。传感器用 h1/h2 = 0.9 的结构，因为这一配置在小压头实验中能产生较均匀的压力分布，方便用缩进实验数据完成压力标定。

结果有三层含义。

第一，它可以生成累积压力图：连续帧叠加后，写字和画星的轨迹以三维压力地形的形式显示出来。

第二，它可以跟随动态过程：中间的压力-时间曲线显示，mechanochromic 传感器读数和 load cell 读数同步变化。

第三，它有定量验证：写字实验中 Pearson 相关系数约 0.97，画星实验约 0.93；归一化 RMSE 分别约 9% 和 10%。论文还报告最大压力灵敏度约 1.4 MPa^-1。

这让论文的主张更扎实：颜色图不只是可视化，它可以通过标定成为压力图。

这篇工作的真正价值

这篇论文最重要的价值，是把视觉触觉中的“高分辨率”和“低计算延迟”重新放到同一个设计空间里。

传统 taxel 阵列通常实时，但分辨率受阵列物理单元限制。论文指出，即使用深度学习做 tactile super-resolution，很多 taxel 系统仍难超过毫米量级。先进的视觉触觉可以做到约 100 微米级别，但往往需要复杂图像处理来恢复 3D 形貌。mechanochromic sensor 的优势在于，它让材料先完成一部分“物理计算”：局部机械状态直接变成颜色分布，后端不再必须做 surface normal estimation、depth reconstruction 和 spatial mapping。

对机器人来说，这种路线的吸引力在于反馈链条更短。一个机械手指如果能直接从指腹颜色场里看到接触斑、边缘、纹理或压力分布，那么抓取易碎、易滑、形状不规则物体时，控制系统就能更早得到接触状态。

更宽一点看，它也可能用于触觉质检。透明、反光或视觉难以检查的表面，如果能通过接触生成高分辨率触觉图，缺陷检测会多一条物理通道。

还没有解决的问题

这篇论文的局限同样清楚。

第一，结构色有角度依赖，也就是 iridescence。论文的标定主要沿垂直方向进行，当传感面积变大、表面曲率增加、相机视角偏离垂直方向时，颜色-应变映射的精度会下降。解决办法可能是角度相关标定，或者发展非虹彩 mechanochromic 材料。

第二，紧凑化会带来新的光学折中。为了把传感器塞进真实机器人手指，摄像头和表面距离越近越好；但使用广角镜头或更近距离会引入角度相关色偏、色差、对比度下降，尤其影响视场边缘的有效分辨率。

第三，耐久性和滞后还需要更完整测试。论文指出未来应加入循环疲劳测试，评估 mechanochromic bilayer 在重复加载下的寿命，以及 hue-strain 关系中的潜在 hysteresis。

第四，目前展示仍偏 proof-of-concept。机器人指尖原型已经很有说服力，但离长期闭环控制、真实物体抓取、滑移检测和多曲面覆盖，还需要系统集成级实验。

一句话总结

这篇论文给触觉传感提供了一条很漂亮的物理路线：不用把所有困难都交给后端重建算法，而是在材料层把接触变成可直接读取的颜色场。它不是要替代所有 GelSight 类传感器，也不是要替代电学 taxel 阵列；它更像是在高分辨率、实时性、结构简单性之间打开了一个新的三角平衡点。

如果后续能解决曲面标定、紧凑光路、长期耐久和机器人闭环任务验证，它可能成为视觉触觉硬件里非常值得追的一条分支。