随着大数据技术的快速发展，数据安全问题日益突出，尤其是在军事、经济和社会领域，人与机器人在直接的通讯数据泄露可能带来严重后果。近日，清华大学计算机系孙富春课题组在期刊《Chemical Engineering Journal》上发表名为“Machine learning-enhanced multifunctional graphene electronic patches for gesture recognition and human-robots ultrasound encryption communication”的研究论文，第一作者是清华大学计算机系博士研究生孙豪。该研究首次提出了一种基于激光诱导石墨烯（LIG）的多功能电子贴片（GEPs），实现了手势识别与超声波加密通信的双重功能，为人机交互和信息安全领域提供了全新的解决方案。本研究通过激光诱导石墨烯技术，开发了一种多功能电子贴片（GEPs），具有以下创新点：■ 多功能集成：GEPs既能作为应变传感器用于手势识别，又能作为超声波热声源用于信息加密，实现了单一材料的多种功能集成。■ 机器学习增强：通过卷积神经网络（CNN）对手势信号进行分析，训练集和测试集的识别准确■ 率分别达到99.35%和92.37%，显著提高了系统的鲁棒性和准确性。■ 抗电磁干扰：基于超声波的加密通信在强电磁屏蔽环境下仍能稳定运行，为信息加密提供了新的技术路径。
图1：GEPs的制备与工作原理。该图展示了GEPs的制备过程和工作模式。GEPs由激光诱导石墨烯（LIG）和聚二甲基硅氧烷（PDMS）组成，通过激光直写技术在聚酰亚胺（PI）薄膜上生成多孔石墨烯结构。GEPs既可以作为应变传感器，检测手指弯曲产生的机械信号，也可以作为超声波热声源，将电信号转换为超声波信号。
图2：GEPs的声学特性。该图展示了GEPs在不同激光功率和扫描间隔下的声学性能。实验结果表明，GEPs在200 Hz至50 kHz的频率范围内表现出优异的声压级（SPL）输出，最高可达75 dB。通过优化激光参数和结构设计，GEPs实现了360°全向超声波发射，确保了信息传输的稳定性。
图3：GEPs的应变-声学耦合特性。该图研究了GEPs在弯曲、扭曲和拉伸状态下的应变与声学响应。实验表明，GEPs在小范围拉伸应变下仍能保持稳定的声学性能，但在过度拉伸时，声学性能会显著下降。这一发现为GEPs在实际应用中的机械稳定性提供了重要参考。
图4：基于机器学习的加密手势识别系统。该图展示了GEPs通过机器学习实现手势识别的过程。通过卷积神经网络（CNN），GEPs能够将手指弯曲产生的应变信号转换为超声波频率信号，实现了从手势到信息的加密传输。实验结果显示，系统对19种手势的识别准确率高达92.37%。
图5：超声波加密无线控制系统。该图展示了GEPs在机器人控制中的应用。通过超声波信号，GEPs能够在强电磁屏蔽环境下稳定控制机器人执行“前进”、“左转”、“右转”等指令。与传统的电磁控制机器人相比，基于超声波的机器人具有更强的抗干扰能力。
本研究开发的机器学习增强型多功能石墨烯电子贴片（GEPs）在信息加密和人机交互领域展现出巨大的应用潜力。其多功能集成、高精度手势识别和抗电磁干扰等特点，为解决信息安全和机器人控制问题提供了新的技术路径。未来，研究团队将进一步优化GEPs的力学性能和声学特性，推动其在军事、医疗和智能家居等领域的实际应用。
文献：
https://doi.org/10.1016/j.cej.2025.161141
