近日，杭州师范大学朱雨田、黄金荣团队在《Advanced Functional Materials》上发表了一项题为《A Neuromorphic Multifunctional Sensing Fiber for Deep Learning Enhanced Wearable Human-Machine Interaction》的突破性研究，提出了一种神经形态多功能感知单纤维（MSSF），通过材料与结构的协同设计，实现了触摸定位、应变感知与温度监测的三合一功能，并融合深度学习算法，构建出完整的“感知-传输-识别-反馈”智能交互闭环。
随着虚拟现实（VR）与增强现实（AR）技术的快速发展，人机交互（HMI）系统正朝着更沉浸、更自然的方向演进。实现“身体即界面”的交互模式，关键在于开发出能实时感知人体动作、触摸意图与生理状态的柔性传感系统。传统的触觉定位多依赖于二维电极阵列，结构复杂、易串扰、难以与纺织品集成。纤维传感器因其柔软、可拉伸、易织入衣物等优势，成为构建可穿戴感知网络的理想单元。然而，如何在单一纤维中实现多物理信号的高灵敏度感知、稳定传输，并输出AI可解码的结构化信号，仍是当前研究的难点。
图一.MSSF结构设计与材料组成
该工作构建了一种基于神经形态多功能感知单纤维（MSSF）的智能人机交互系统。MSSF通过熔融挤出3D打印技术制备，其核心是由热塑性聚氨酯（TPU）与离子液体（IL）复合而成的离子凝胶纤维，具备柔韧、可拉伸及多物理信号感知的特性。该纤维可被无缝织入衣物或直接贴合于皮肤，分布于手部、肘部、膝部等关键人体部位，构成一个分布式的神经形态感知网络。在虚拟现实（VR）或增强现实（AR）环境中，用户通过触摸纤维、做出手势或身体运动，即可实时操控虚拟角色或远程设备，系统实现了从物理世界的感知到数字空间反馈的完整闭环。
图二. 触摸感知机制与定位模型
该工作揭示了MSSF实现高精度触摸定位的独特机理。其核心在于采用了一种创新的折叠平行电极结构，仅通过在纤维两端设置电极，即可实现对触摸位置的连续解码。图二展示了MSSF的触摸感知结构与等效电路模型。当手指触摸纤维某一点时，该接触点会将纤维划分为三个具有不同长度的电容段（C1, C2, C3），同时引入人体电容（C4）。这些电容构成一个复合网络，其总电容（Ctotal）与触摸点到电极的距离（D）存在明确的数学关系，从而建立起从电容信号到空间位置的映射模型。并且通过实验验证了上述模型。当手指沿纤维滑动或在不同位置进行间歇性按压时，归一化电容变化（ΔC/C0）呈现出与理论预测高度一致的单调变化趋势，且同一位置点的信号输出具有高度重复性，证明了该机制具备毫米级的空间分辨能力和优异的定位稳定性。
图三. 深度学习增强的触摸意图识别
为实现对复杂用户意图的精准理解，该工作开发了一套集成仿生螺旋传感器与深度学习算法的触摸意图识别系统。图三展示了受蜘蛛网启发的螺旋状MSSF布局。该结构能将二维平面内的触摸轨迹（如书写数字）转换为具有丰富时空特征的一维电容时序信号，为后续算法处理提供了高质量的数据基础。并呈现了为解决小样本学习问题而设计的双分支深度学习网络架构。该网络同时处理原始的电容波形和手动提取的峰值统计特征，通过一个分支利用一维卷积神经网络（1D-CNN）挖掘信号的局部时序模式，另一分支则直接利用峰值特征，最后进行特征融合与分类。训练过程中的损失与准确率曲线表明模型收敛良好且无过拟合。在10类数字（0-9）书写任务的测试集上，模型取得了100%的识别准确率，混淆矩阵中的所有预测样本均位于对角线上，充分证明了基于MSSF的触觉行为信号具有极高的可分性，以及所提解码方案的可靠性。
图四. 温度感知与应变解耦设计
该工作评估了MSSF作为温度传感器的性能，并创新性地通过结构设计解决了可穿戴应用中应变与温度的交叉敏感问题。图四展示了MSSF在30°C至100°C范围内的温度响应。其电阻相对变化（Δ
R/R0）随温度升高而稳定下降，表现出典型的负温度系数特性。特别是在35-40°C的生理关键区间，其灵敏度高达4.04% °C⁻¹，能够分辨0.1°C的细微温度变化。并通过阶梯升温、多次升降温循环以及不同升温速率下的测试，验证了传感器具备高分辨率、出色的响应重复性和动态稳定性，满足实时生理监测的需求。而且重点解决了纤维传感器在实际穿戴中因人体运动导致的应变干扰难题。研究团队对比了“I”型和“Z”型两种织物集成结构。结果表明，“I”型结构对应变非常敏感，30%的应变会带来相当于18.76°C温度变化的巨大信号干扰；而“Z”型结构通过巧妙的几何设计，在30%应变下信号变化极小，成功地将应变引起误差降至仅相当于0.38°C的温度变化，有效实现了温度感知与应变干扰的解耦。
图五. 全身运动捕捉与手势控制机器人
该工作系统评估了MSSF在全身多关节运动捕捉中的性能，验证了其从细微动作到大范围形变的全面监测能力。图五示意了MSSF在手指、手腕、肘部和膝关节的集成方案，展现了其作为分布式运动传感网络的潜力。显示了MSSF在0%至900%的超宽应变范围内的响应曲线。其电阻变化与应变呈现优异的线性关系（拟合决定系数COD=0.9989），GF为2.1，满足高动态交互场景对线性输入的要求。同时传感器对0.1%的微小应变具有快速响应能力（响应/恢复时间分别为257/113 ms），并在长达1000次的循环拉伸中保持信号稳定，无明显基线漂移。研究还通过在不同温度下测试，验证了其应变灵敏度不受温度变化影响，可通过基线校准消除温度串扰。
图六. 深度学习驱动的手势识别与机器人控制闭环
该工作最终构建了一个从手势感知到机器人执行的端到端智能交互系统，展示了MSSF在高级人机交互中的实际应用价值。图六展示了系统硬件构成：将五根MSSF分别集成于五指关节处，形成五通道信号采集系统。十种不同的手势会引发五通道电阻值的特定组合模式，构成可被机器学习识别特征。通过t-SNE降维可视化技术显示，十类手势的特征在二维空间中形成了清晰独立的聚类，其
Adjusted Rand Index (ARI) 与 Normalized Mutual Information (NMI) 指标分别达到0.6286和0.8180，从数据层面证明了MSSF采集的手势信号具有极强的类内一致性和类间区分度。同时展示了卷积神经网络（CNN）的结构与训练结果。该网络能高效提取多通道信号，在训练中快速收敛，并在测试集上实现了所有十类手势的100%识别准确率，精确度、召回率与F1分数均为1.00。
本研究通过材料创新、结构设计与AI算法的深度融合，成功将多种感知功能集成于单一纤维中，突破了传统柔性传感器在结构复杂性与功能集成度方面的限制。MSSF不仅具备高灵敏度、快速响应与优良稳定性，更通过深度学习实现了对用户意图的精准解码，为“身体即界面”的智能交互未来奠定了技术基础。
原文链接：
https://doi.org/10.1002/adfm.202524652
相关进展
高分子科技原创文章。欢迎个人转发和分享，刊物或媒体如需转载，请联系邮箱：info@polymer.cn
欢迎专家学者提供稿件（论文、项目介绍、新技术、学术交流、单位新闻、参会信息、招聘招生等）至info@polymer.cn，并请注明详细联系信息。高分子科技®会及时推送，并同时发布在中国聚合物网上。
欢迎加入微信群 为满足高分子产学研各界同仁的要求，陆续开通了包括高分子专家学者群在内的几十个专项交流群，也包括高分子产业技术、企业家、博士、研究生、媒体期刊会展协会等群，全覆盖高分子产业或领域。目前汇聚了国内外高校科研院所及企业研发中心的上万名顶尖的专家学者、技术人员及企业家。
申请入群，请先加审核微信号PolymerChina
（或长按下方二维码），并请一定注明：高分子+姓名+单位+职称（或学位）+领域（或行业），否则不予受理，资格经过审核后入相关专业群。
