章鱼触手没有视觉，却能精准感知并抓取不同质地的物体——这一自然界的精妙设计，正被科研人员转化为软体机器人的全新范式。近日，江南大学孙丰鑫教授、贾浩教授团队联合安徽工程大学郑贤宏教授等，在《Advanced Functional Materials》上发表题为“Programmable Nonwoven Fabric-Based Soft Pneumatic Actuators With Integrated Self-Sensing Functionality”研究论文，成功研发出一种集可编程驱动与自感知功能于一体的非织造布基软体气动执行器（PNPA）。该成果为智能软体机器人的发展提供了全新思路。

从章鱼触手获得灵感，让无纺布“活”起来

  传统软体气动执行器通常采用弹性体材料，需要复杂的模具成型工艺，且大多只具备驱动功能，缺乏实时反馈能力。研究团队受章鱼触手无视觉抓取的独特运动方式启发，利用非织造布的机械各向异性，通过缝制不同角度的约束线，实现了执行器的可编程变形。非织造布沿经向和纬向展现出截然不同的力学性能：经向拉伸率可达187.5%，模量仅1.25 MPa；而纬向模量高达2.8 MPa。通过设计45°、90°、135°、180°等不同角度的约束线，团队成功制备出具有不同弯曲、扭转和螺旋变形模式的执行器。实验表明，PNPA-45°在60 kPa气压下可在0.33秒内完成快速大幅度弯曲，且在1000次循环测试后性能几乎无衰减。

图1. PNPA仿生设计原理：(a) 受章鱼触手启发的PNPA抓取识别过程示意图。(b) 弹性非织造布在松弛状态和沿不同方向拉伸状态下的照片。(c) 非织造布因经向和纬向而具有的优异各向异性力学性能。(d) 约束直线与折线之间夹角不同时非织造布的杨氏模量

超高灵敏度压力传感器，让机器人拥有“触觉”

  更令人瞩目的是，研究团队同步开发了一款基于MXene/PEDOT:PSS的非织造布压力传感器（NPS）。该传感器采用丝网印刷和喷涂工艺制备，利用非织造布粗糙多孔的表面结构，在压缩时大幅增加叉指电极与传感电极之间的接触面积。这款全织物传感器的灵敏度高达989.3 kPa?1，响应/恢复时间仅80/60 ms。与已报道的仿生微结构薄膜、气凝胶、纸张和纺织品基压力传感器相比，NPS在灵敏度和传感范围上均展现出显著优势。例如，其灵敏度比MXene/PEI纳米纤维垫传感器高534.2%。在实际应用中，NPS可以轻松检测到微弱气流、人体脉搏波（72次/分钟），甚至能通过手指敲击的摩斯密码实现加密信息传输。

AI赋能：三指抓手实现99.75%纹理识别准确率

  研究团队将三个PNPA执行器与NPS传感器集成，构建了一个三指智能软体抓手。在抓取不同表面纹理的物体时，三个手指上的传感器会同步输出差异化的电阻变化信号。借助轻量级卷积神经网络（CNN）对采集的多通道信号进行分析，该智能抓手对四种不同纹理的分类准确率达到99.75% 。即使将任务扩展到九种纹理类别，准确率仍高达98.56%。这意味着，这款软体抓手不仅能“抓住”物体，还能“感知”物体表面的细微差异。

图2. 利用自传感PNPA抓手进行AI辅助纹理分类：(a) 用于纹理识别的三指自传感抓手系统示意图，包括三个独立集成的MXene/PEDOT:PSS压力传感器的布置及对应的多通道信号采集系统。(b) 抓取过程中三个传感手指采集的代表性归一化电压信号。(c) 基于CNN的纹理分类预处理和训练流程。(d) 四个代表性纹理类别采集数据的PCA聚类结果。(e) 轻量级CNN模型在四类纹理分类任务中的混淆矩阵。(f) 九类纹理分类的扩展验证结果，展示了所提出的AI辅助传感框架的可扩展性。

迈向智能软体机器人的新纪元

  从可编程变形到自感知反馈，从仿生设计到AI辅助识别，这项研究为软体气动执行器的发展开辟了新的方向。该团队提出的“感驱一体”策略，不仅解决了传统执行器“只会动、不会感”的痛点，更展示了非织造布这一传统纺织材料在高端智能设备中的巨大潜力。未来，这类集驱动与感知于一体的智能软体执行器，有望在智能穿戴设备、医疗康复器械、复杂环境探测等领域发挥重要作用。正如论文所展望的，这项工作“为先进软体机器人和人工智能设备的发展提供了有价值的见解”。

  该研究工作得到了国家自然科学基金、安徽省自然科学基金、安徽省教育厅优青项目等项目的支持。

  论文链接：https://advanced.onlinelibrary.wiley.com/doi/10.1002/adfm.76760