基于 MEMS 传感器的机器人感知技术研究现状与发展趋势 

刘会聪 王凤霞 李东升 迟文政 孙立宁 

(苏州大学, 苏州 215000) 

摘要: 传感器是机器人具备类人知觉与反应能力的基础, 能够辅助其实现内部反馈控制和外部环境感知。随着传感器技术和人工智能 (AI) 的发展, 机器人集成了更为复杂的传感器系统, 包括视觉传感器、 激光雷 达、 惯性传感器和力传感器等, 能够完成更为复杂的工作任务, 应用范围从传统工业领域逐渐向生活服务领 域延伸。微机电系统 (Micro-Electro-Mechanical Systems, MEMS) 传感器具有体积小、 精度高、 功耗低和成本 低等优点, 且适用于极端环境, 已在机器人领域得到广泛应用。综述 MEMS 传感器发展现状, 包括测距传感器、 惯性传感器、 力/ 触觉传感器及嗅觉传感器, 并探讨其在机器人领域的应用与发展趋势。未来, MEMS 传 感器与 AI 大模型相结合, 能够促进具身智能机器人的创新发展与应用。

0 引言 

21 世纪以来, 机器人技术经历了从简单机械 化到高度智能化的显著转变和飞速发展。从最初 仅能执行单一任务的机械装置, 逐步演变为能够 感知环境、 自主决策并执行复杂任务的高度智能 化系统, 这一发展历程与传感器技术的进步紧密 相连。

20 世纪末至 21 世纪初, 大部分机器人主 要应用于工业生产线, 仅能够执行简单的重复性任务, 功能实现主要依赖基本的传感器, 如位置传感器、 力传感器和接近传感器。通过检测机械 臂的位置和力度, 确保操作的准确性和安全性。在该阶段, 传感器的感知功能相对简单, 机器人系统的智能化水平相对较低, 数据处理能力有限, 主要依靠预设的编程逻辑执行任务。

随着人工智 能 (AI) 技术的快速发展, 机器人开始集成更为复杂的传感器系统, 如视觉传感器、 激光雷达和 惯性传感器等。这些传感器能够提供更加丰富 的环境信息, 使机器人能够执行更为复杂的任务, 如物体识别、 路径规划和动态环境适应。

此外, 机器学习和深度学习技术的引入也使得机器人能 够通过大量数据训练实现自我学习和优化, 提高 其执行复杂任务的能力。在该阶段, 传感器技术 迎来了重大突破, 尤其体现在集成度和精度方面。高分辨率摄像头、 三维视觉系统、 测距传感器、 惯性传感器和力学传感器的应用使得机器人能够 更加精确地感知和理解周围环境, 极大地提升了 机器人在复杂环境中的感知和决策能力, 并在 自动驾驶、 智慧医疗、 人机交互等众多应用领域 中取得了突破性成果。 

传感器是机器人具备类人知觉与反应能力的基 础, 能够辅助其实现内部反馈控制, 并与外部环境 产生交互。依据检测对象的类别不同, 传感器可分 为用于测量机器人自身状态的内部传感器和用于测量与机器人作业相关的外部因素的外部传感器。依靠单一传感器, 机器人仅能完成局部信息识别。为了获取更加完整、 稳定的系统信息, 通常采用 多源信息融合方式提高识别的准确率。

近年 来, 随着微纳技术的迅猛发展, 微机电系统 (Micro-Electro-Mechanical Systems, MEMS) 传感器成 为机器人感知的核心支撑, 其重要性日益凸显。相较传统传感器, MEMS 传感器具有体积小、 精 度高、 功耗低和成本低等优点, 且适用于极端环 境, 应用场景较为广泛。例如, 通过集成微型 压力传感器和气体传感器, 家用机器人能够实时 监测家庭环境并自动调整工作模式。随着人形机 器人的目标应用场景从工业场景向居家场景拓展, 其对力矩、 触觉及惯导等传感器提出更高要求。

综上所述, 机器人智能化发展与传感器技术的进 步密不可分。从 传 统 的 机 械 传 感 器 到 先 进 的 MEMS 传感器, 每一次技术革新都推动了机器人 性能的显著提升, 使其在工业、 农业、 医疗等更 多领域中发挥越来越重要的作用。 

1 MEMS 传感器发展现状 

MEMS 传感器是一种集成了微型机械、 电路、 传感器及控制器的复杂系统, 具备微米甚至纳 米级尺寸, 在灵敏度、 响应速度、 尺寸和成本方 面具有独特优势。MEMS 传感器广泛应用于压力、 温度、 加速度、 角速度、 力、 扭矩和流量等物理 量的测量, 并在汽车、 电子、 工业自动化及机器 人等领域发挥着重要作用。

MEMS 传感器的发展历程可以追溯到 20 世 纪五六十年代。随着集成电路芯片的出现, 人 们开始探索在芯片上制作微小机械结构和系统 的可能性 。这种利用半导体材料制作电子与 机械结构的思想为 MEMS 技术的诞生奠定了理 论基础。

1962 年, 第一个硅微压力传感器问世, 标志着 MEMS 技术的开端。早期的 MEMS 传感 器主要包括惯性传感器和压力传感器。在该时 期, MEMS 技术仍处于实验室研究阶段, 并未得 到广泛应用。

20 世纪 80 年代, 随着微加工技术 的进步, 振动传感器、 流量传感器、 打印喷头 等被成功研发。20 世纪 90 年代, 世界首款商用 MEMS 加速度计问世, 主要用于汽车气囊触发系统。同时, MEMS 传感器也开始在消费电子、 医 疗、 汽车等领域得到应用。

21 世纪以来, 随着材料、 制造工艺的不断改进, MEMS 传感器逐 渐向多样化、 集成化和智能化方向发展, 不仅 能够应用于惯性、 压力等传统测量领域, 还逐 步拓展到气体传感、 温 / 湿度检测和光学传感等领域。随着可穿戴设备等产品的兴起, MEMS 技 术迎来第二次大规模应用的浪潮。MEMS 传感器 开始应用于心率、 运动和睡眠监测等, 通过实 时检测人体生理参数, 实现健康监测管理。

当前, 随着人工智能时代的到来, MEMS 技术将在 车联网、 智能家居、 智能医疗、 智慧城市及智 能工厂等领域发挥重要作用。 

在机器人领域, MEMS 传感器具有至关重要 的作用。典型 MEMS 传感器在机器人领域中的应 用如图 1 所示。在进行自主导航和定位时, 惯性 测量单元结合了加速度计和陀螺仪, 能够帮助机 器人精确感知自身姿态和运动轨迹。此外, MEMS 传感器可以用来实时监控机器人与地面之间的相对位置以及与障碍物的距离, 帮助机器人 进行路径规划和避障。

对于手术机器人而言, MEMS 传感器能够提供精确的运动和力反馈, 帮 助医生进行微创手术操作。此外, MEMS 传感器 还被应用于机器人手臂的力反馈控制, 帮助机器 人感知物体抓取施加力量, 从而实现精细化操作。

在工业自动化和制造领域, MEMS 传感器有助于 机器人更好地进行装配、 焊接及搬运等工作, 提 高了生产效率和精度。艾瑞咨询预测结果显示, 2021—2025 年, 国内智能机器人市场年平均复合 增长率将达到 40% ; 2025 年, 国内智能机器人市 场规模将接近千亿元, 这将带动 MEMS 传感器在 机器人领域的应用需求量不断增长。 

2 MEMS 测距传感器 

2. 1 原理 

MEMS 测距传感器利用微型机械结构受到的 变形或振动感知测量目标物体与传感器之间的距 离变化, 提升机器人的空间感知能力, 广泛应用 于机器人导航、 避障、 精密操作及虚拟交互等场 景。具体而言, 当外部物体接近传感器时, 微型 机械结构会受到压力或振动, 结合激光、 超声波、 红外和电容等传感技术将这种变化转化为电信号 输出。

MEMS 传感器能够为机器人提供精准的距 离测量、 空间感知和力反馈, 提升机器人的自动 化和智能化水平, 并帮助机器人在复杂环境下实 现更加灵活和精确的操作。

(1) MEMS 激光测距传感器 (如激光雷达)。通过发射激光束到物体表面并接收反射信号, 进 而计算出物体与传感器之间的距离。常用的方法 是飞行时间 (Time of Flight, ToF) 技术, 即测量 激光光束从发射到接收的时间差。由于光速是已 知的, 通过时间差可以准确计算出距离。MEMS 激光测距传感器通常使用微型化的激光光源和反 射镜, 可以实现高精度、 长距离的测距, 且具有 较高的分辨率, 同时微型反射镜能够对快速运动 进行高频率扫描, 适用于动态场景。

(2) MEMS 超声波测距传感器。通过发射超 声波信号并接收反射波, 计算发射和接收之间的 时间差进而测量与物体之间的距离。类似激光测 距原理, 超声波传感器也使用 ToF 技术, 由于声 波传播速度远低于光速, 其测量范围通常较短, 且精度略低于激光传感器。MEMS 超声波传感器 具有较低的功耗和成本, 适用于短距离测量, 且 不受光线干扰, 常用于室内机器人 (如清扫机器 人、 服务机器人)、 环境监测机器人、 避障系统 等短距离且精度要求较高的场景。 

(3) MEMS 红外测距传感器。通过发射红外 光束并接收反射信号计算距离, 通常利用反射强 度或 ToF 进行测距。该类传感器具有较高的响应 速度和较小的尺寸, 适用于低成本、 短距离的精 确测量。相比激光和超声波, 该类传感器对环境 的适应性更强, 但在强光干扰等某些特殊条件下 可能会受到限制。该类传感器常用于机器人避障、 人机交互、 位置跟踪等低成本、 低功耗的应用 场景。

(4) MEMS 电容测距传感器。通过测量物体 与传感器之间的电容变化计算距离。当物体靠近 传感器时会改变传感器电极间的电场, 从而改变 电容值。根据电容的变化量可以推算物体与传感 器之间的距离。该类传感器具有较高的灵敏度和 分辨率, 适用于微小距离测量, 在精密定位、 微 创手术、 表面接触检测等领域应用广泛。 

2. 2 研究现状 

MEMS 测距传感器在机器人领域得到广泛应用。例如, MEMS 测距传感器通过感知周围环境, 能够实时测量机器人与障碍物之间的距离, 帮助 机器人进行自主导航避障、 路径规划和环境建图 等, 广泛应用于扫地、 物流和无人配送等场景。

在微创手术机器人中, MEMS 测距传感器能够在 手术过程中测量手术执行器末端与目标位置的距 离, 确保组织切割缝合等操作的精度。在工业机 器人中, MEMS 测距传感器可用于工件定位、 装 配过程中的精准对接等任务。

通过精确测量机器 人末端执行器与工作物体的距离, MEMS 传感器 能够提供精确的位置信息, 优化自动化生产线效 率, 广泛应用于自动化装配、 工业搬运、仓储和 机器人视觉系统的辅助感知等。通过与视觉传感 器 (如相机、激光雷达等) 融合, MEMS 测距传 感器能够提供更高精度的环境深度感知, 为机器 人提供三维空间信息, 增强其对复杂环境的理解 能力。

在虚拟现实 (VR) 和增强现实 (AR) 系 统中, MEMS 测距传感器常用于空间跟踪与用户 交互, 通过精确测量用户与虚拟环境的距离, 满 足更精准的虚拟场景互动需求。 

当前, MEMS 激光测距传感器常用于自主移 动机器人的环境感知和障碍物检测、 无人机导航、 环境建图与障碍物检测, 工业机器人的精密测量 和检测及虚拟现实设备的精准环境感知。

在智能 驾驶方面, MEMS 激光雷达的应用能够实现物体 的探测与规避、 识别追踪及即时定位与地图构建等。国内也有学者对 MEMS 激光雷达开展相关 研究。霍健等针对传统线阵激光雷达对地面目 标识别 准 确 率 较 低 的 问 题, 设 计 了 一 种 基 于 MEMS 激光雷达推扫呈像的点云识别算法, 实现 了对车辆目标的准确识别, 识别率达 95. 9% 以 上。王永杰以自动驾驶场景为基础, 设计了一 套基于 MEMS 微镜的车载激光雷达光学扫描系 统, 不仅有效减小了扫描系统的体积, 而且拓宽 了扫描视场范围。

此外, 研究人员也对 MEMS 超 声波 测 距 传 感 器 进 行 了 相 关 研 究。例 如, Shi 等基于 MEMS 超声波测距传感器, 实现了软体 机器人对物体的即时且准确的抓取。Tong 等基于 MEMS 超声波测距传感器, 设计了一种柔性超声近距离感知皮肤并集成于机械臂表面, 极大 地提高了机器人的距离感知能力, 确保了人机协 作的安全性。Zhou 等研制了一种基于电容式 MEMS 测距传感器的柔性电子皮肤, 能够检测不 同频率和强度的电信号, 感知周围物体引起的电 场扭曲, 在无须接触的情况下实现对物体的精准 三维定位。 

3 MEMS 惯性传感器 

3. 1 原理 

MEMS 惯性传感器通常由加速度计、 陀螺仪 和磁力计三种主要部件组成。通过测量物体的加 速度、 角速度及磁场等物理量, 提供精确的运动 和定位数据。目前, 国产高性能 MEMS 惯性传感 器的核心指标能够与国际对标, 解决了装备应用 “卡脖子” 问题。MEMS 惯性传感器以其体积小、 功耗低、 重量轻以及低成本、 易于数字化、 智能 化等特点, 被广泛应用于无人系统、 机器人导航、 控制及姿态估计。 

(1) 加速度计 (Accelerometer)。主要用于测 量物体在不同方向上的加速度, 通过一次和二次积分获得运动载体的速度和位移信息。采用悬浮微结构 (如质量块或梁), 并基于电容、 压阻或压电式原理感知加速度。通常用于检测物体的振 动、 位移、 重力方向、 速度和位置等。 

(2) 陀螺仪 (Gyroscope)。主要用于测量物 体的角速度。通过微型旋转体 (如振动梁或微型 陀螺盘) 的转动检测该旋转体的位移或电磁感应变化以计算角速度, 常用于测量和控制机器人的 姿态 (如俯仰角、偏航角、滚转角) 变化, 提供 角速度或角度变化数据。这对于稳定机器人运动 控制、 避免偏航和摇摆至关重要。

(3) 磁力计 (Magnetometer)。主要用于测量 磁场强度和方向。通常基于霍尔效应、 磁阻效应 测量磁场变化, 并能够估算方位角 (机器人的朝 向)。 

(4) 惯性测量单元 ( Inertial Measurement Unit, IMU)。集成了加速度计、 陀螺仪和磁力计, 融合三者数据精确估算机器人的位置、 速度、 姿 态和角度。利用惯性导航算法 (如卡尔曼滤波、 互补滤波等) 对各传感器数据进行融合, 获得更 加稳定和准确的输出。IMU 是机器人导航系统中 的核心传感器, 尤其是在无法使用 GPS 的环境 下, IMU 可以提供连续的运动估计, 确保机器人 平稳、 精准的运动, 在检测控制、 环境感知和导 航定位方面具有重要作用。 

3. 2 研究现状 

MEMS 惯性传感器在机器人领域的应用极为 广泛, 涵盖了导航定位、 姿态控制、 精密操作等 多个重要场景。通过集成加速度计、 陀螺仪和磁 力计, MEMS 惯性传感器能够提供实时的运动状 态反馈和精确的姿态估计, 使机器人具备更高的 智能化和自主化水平。 

在移动机器人领域, 利用同时定位与地图构建 (Simultaneous Localization and Mapping, SLAM) 技 术构建周围环境的三维地图, 同时实现机器人在 环境图中的位置定位, 并随机器人的移动实现环 境地图的增量式构建与机器人的连续定位。在 SLAM 技术发展早期, 以激光和视觉 SLAM 为主。随着 MEMS 传感器的不断发展, 低成本、 体积 小、 信息丰富的 IMU 逐渐成为研究热点。

IMU 通 过解算三个方向的线性加速度和旋转角速率获得 载体的姿态、 速度和位移等信息, 其所提供的信 息被融入视觉或激光 SLAM, 广泛应用于清扫、 物流和配送等机器人的定位和导航。结合视觉传 感器、 激光雷达等采集的外部感知数据, MEMS 惯性传感器能够实现对加速度、 角速度的测量, 帮助机器人实时估算自身位置和方向, 辅助其在 室内或复杂环境中实现自主导航。

例如, 在视觉 SLAM 中, 可以融合相机数据提供环境的尺度信 息, 并通过运动学原理进行姿态外推, 在追踪中 可以获得更好的初始位姿和所在位置的重力方向。而在激光 SLAM 中, 通过 IMU 的测量数据能够为 每个点云数据去除运动畸变, 提高点云的准确性。

Alteriis 等通过将 MEMS 惯性传感器 (由 6 个不同的 IMU 组成, 每个 IMU 包含三轴陀螺仪、 加 速度计及磁力计) 与 GPS 相集成, 实现无人机的 精确姿态估计。Wu 等利用多个 MEMS 惯性传 感器实时获取车辆不同部位的动态信息, 从而提 高航位推测系统的性能。 

在工业自动化领域, MEMS 惯性传感器被应 用于机器人搬运和装配等场景。通过精确感知机 器人末端执行器的运动状态和姿态, 优化操作轨 迹, 提高作业精度。Long 等通过机器人末端 关节处的 MEMS 惯性传感器采集各类故障模式的 姿态数据, 基于混合学习算法构建智能故障诊断 模型, 提升工业机器人的故障诊断能力。 

在人形机器人领域, MEMS 惯性传感器能够 监测机器人的实时状态、 位置信息及运动轨迹,为研究其动态平衡控制及步态规划提供理论依据, 确保人形机器人完成走、 跑、 蹲等动作的姿态平衡。MEMS 惯性传感器与其他传感器相结合 能够实现数据互补, 如立体摄像机、 关节编码器、 力扭矩传感器、 手部触觉传感器及足部接触力传 感器等。

通过估计姿态足的质心位置、 速度、 方 向、 角速率和角动量, 实现机器人状态反馈并完 成下一步动作, 主要应用于机器人的下蹲起立、 前后行走、 上下楼梯和回避障碍等。在高精度运 动追踪、 康复训练、 遥操作、 可穿戴人机交互、 VR 和 AR 系统中, MEMS 惯性传感器能够提供重 要的姿态估计和反馈信息, 辅助机器人和用户之间完成精准动作和沉浸式交互。

Li 等利用 MEMS 惯性力传感器, 结合扩展卡尔曼滤波数据 融合方法及 9 轴传感器数据, 估算人体关节在三 维空间中的空间运动轨迹。Babatain 等研制了 一种基于激光诱导石墨烯和液态金属相结合的柔 性 MEMS 惯性传感器, 并与具有运动、 温度、 湿 度和呼吸多种模式的多功能平台深度集成, 实现 多模态传感数据的精准测量, 为未来的健康监测 及机器人智能控制提供了新思路。 

4 MEMS 力 / 触觉传感器 

力/ 触觉传感器作为机器人的重要组成部分,能够为机器人与环境的交互提供力/ 触觉测量和反 馈信息。通过与材料学、 MEMS、 生物仿生学和 AI 技术的结合, 力/ 触觉传感器的灵敏度、 稳定性、 功能集成和适应性不断提升, 被广泛应用于 精密操作、 装配、 抓取、 微创手术、 人机交互等 领域。

MEMS 力/ 触觉传感器能够实现机器人对外 界力的感知, 通过模拟人类皮肤的触觉功能, 帮 助机器人感知和响应外部刺激, 包括多维力、 压 力、 滑移、 材料、 纹理、 温度及应变等。基于 MEMS 技术, 机器人柔性触觉传感皮肤具有低模 量、 高拉伸性和高耐磨性等特点, 拓展了机器人 智能化应用场景, 为机器人多信息融合感知和具 身智能技术发展提供了新思路。 

4. 1 MEMS 力/ 力矩传感器 

多维力/ 力矩传感器通常采用电阻应变片式弹性体作为敏感元件。当传感器受到外力作用时, 弹 性体结构会发生微小形变, 弹性体上的应变片随之 发生形变, 基于电阻-应变效应使电阻值发生变化。此时, 微小的电阻变化通过电路转换成电压信号, 最终实现力/ 力矩测量。该类传感器精度高、 测量 范围广, 应用领域十分广泛。谐振式力/ 力矩传感 器主要基于谐振频率变化实现测量。

当传感器的弹性体受外力作用时, 其固有频率会发生变化, 通 过测量频率的变化量计算作用在传感器上的力/ 力 矩。该类传感器具有高灵敏度、稳定性好和抗干 扰能力强的特点。压电式力/ 力矩传感器是利用压 电效应原理实现力/ 力矩测量, 具有较高的固有频 率, 特别适用于动态测量。电容式力/ 力矩传感器 通过测量电容电极板间的相对空隙变化实现多维 力/ 力矩测量。 

基于光学的力/ 力矩传感器主要包括三种: 一 是采用 LED 和光电二极管, 通过监测光电二极管 模拟信号输出的变化辨别微小的结构位移; 二是 将 LED 与摄像头相结合, 应用计算机视觉算法量 化结构位移; 三是基于光纤布拉格光栅 (FBG), 通过检测光纤在受力时应变或变形引起的反射波 长的偏移实现力测量。其中, 光纤光栅传感器具 有抗电磁干扰、 体积小、 精度高、 遥感能力强和支持多路复用等优点, 但易受温度波动的影响, 材料较脆弱且易受到机械应力或弯曲损伤。 

弹性体是多维力/ 力矩传感器的核心部件, 其 设计直接影响传感器的性能。常见的弹性体结构 包括十字梁型、 柱型、 梁柱型和斯图尔特平台。在机器人系统中, 力/ 力矩传感器通常与其他传感 器 (如位置传感器、 速度传感器等) 相集成, 以 实现更为复杂的运动控制。此外, 在使用前需要 进行校准以确保测量结果的准确性。MEMS 力/ 力 矩传感器可实时感知机器人末端执行器 (如关 节、 机械手、 手指、 夹持器等) 与物体间的操作 力, 并反馈给控制器以保证机器人完成抓取、 搬 运及打磨等操作。 

在微创手术机器人中, 由于手术器械末端体 积微小且操作空间狭窄, 通常将微型化 MEMS 力/ 力矩传感器集成至手术器械末端, 用于提供实时 的力反馈信息, 确保手术操作的精确性和安全性。Liu 等提出了一种用于机器人辅助微创手术的 集成三维 MEMS 力传感与反馈系统。借助力传感 反馈功能, 最大夹持力从 1. 2 N 降低至 0. 8 N, 平 均夹持力从0. 8 N 降低至0. 55 N, 降幅约为20% ~ 50% 。同时, 在缝合打结实验中, 操作者可以实 时监测三维操作力。Hou 等设计了一种具有高 集成度的 MEMS 压阻式三维力传感模块, 能够快 速更换不同厚度和杨氏模量的弹性层, 从而实现 不同手术器械集成的灵敏度和测量范围可调。上 述研究解决了手术过程中缺乏力感知的问题, 提 高了复杂操作的安全性和可控性, 为医疗机器人 的发展提供了技术支撑。 

4. 2 MEMS 触觉传感器 

触觉传感器是一种能够将接触刺激转换为电 信号进而实现感知量化的电子器件。近年来, 随 着柔性电子技术、 材料学、 MEMS 技术的发展, 触觉传感技术赋予了机器人细腻、 丰富的触觉感 知功能, 如感受外界温度、 压力、 物体尺寸、 形 状、 材质及纹理等, 在智能抓取、 复杂操作、 人 机交互、 安全控制等方面展现出巨大的应用潜力。 

为了提升机器人的触觉感知能力, 需要开发类似感知神经的电子器件, 以提高机器人电子皮 肤 (E-Skin) 的感知能力, 实现动态、 非结构化 和不确定环境下的安全交互。Wang 等开发 出一种电子皮肤, 具有单片集成、 低电压和柔软 等特性, 可以将施加的压力或温度变化转化为电 脉冲, 并向大脑传输电信号, 可用于假肢皮肤。 

压力感知作为触觉传感的主要功能之一, 是 机器人感知外界接触力并进行运动控制和力控制 的关键。具有压力感知功能的触觉传感器, 基于 压阻式、 电容式、 压电式、 摩擦电式、 光学式、 磁场式等原理, 将外界施加的压力转换为电信号。

Osborn 等利用具有压阻特性的织物制备了类人 体皮肤的多层结构触觉传感器, 为截肢者提供神 经形态触觉信息。Wang 等利用多级分层结构 设计了高灵敏度、 宽检测范围的压力传感器阵列, 实现了曲面应力的精准感知。Chen 等提出了 一种结合摩擦电技术和电致变色显示单元的多功 能柔性电子皮肤, 能够实现机器人对外界受力的 实时监测与反馈。Gong 等设计了一种模块化 固液复合的三轴触觉传感器以模拟人类指尖触觉 结构, 基于内部霍尔磁场检测电路测量磁场密度 变化, 量化软弹性体在外部力接触时的变形, 实 现精准的力感知和稳定的抓取。 

温度感知对机器人触觉感知至关重要。热电 式温度传感器主要基于热电材料的塞贝克效应, 即热电材料的两个相对表面存在温度差会产生电 压。热敏电阻式温度传感器基于材料自身电阻随 温度变化的特性, 测量温度变化时产生的材料电 阻变化量。此外, 机器人与外界物体接触时, 通过触觉感知能够对接触物体进行识别, 包括物体 的轮廓、 纹理及硬度。

Li 等提出了一种基于热 感应的多维触觉传感技术, 实现了压力、 温度、 流场、 热物性等参数的集成测量, 采用类皮肤的 多层结构实现多模感知原位集成, 将触觉信息与 机器学习相结合, 实现了对机器人灵巧手抓握物 品的形状、 大小和材料等的多属性识别, 并成功 应用于垃圾分类作业。 

4. 3 发展趋势 

当前, MEMS 力/ 触觉传感器正朝着模块化、集成化、 智能化和柔性化方向发展。机器人触觉 传感器的每个传感单元模块不仅能够监测压力、 温度、 振动等多元物理参数, 还能够执行信号处 理与数据传输任务。各模块之间通过机械接口和 互联通信接口相连接, 易于进行维护和扩展。

Cheng 等开发了一种六边形多功能传感单元模 块, 集成了压力、 温度、 接近、 加速度计等微型 控制单元, 通过将多个模块拼接组装实现多模态 感知机器人电子皮肤的研制。Ge 等利用共面 叉指电极和掺杂炭黑聚合物材料制备出一种具有 电容式和压阻式的触觉感知电子皮肤, 可用于机 器人的接触力检测和安全控制。 

随着 AI 技术的发展, 机器学习算法将在机器人触觉传感和智能识别处理中发挥重要作用。通 过深度学习算法, 可以提高触觉传感器的灵敏度 和分辨率, 实现对细微压力变化及物体表面精细特征的捕捉。Guo 等受瞬态电压人工神经元 (TVAN) 和持续电位人工神经元 ( SPAN) 信号的启发, 开发了一种具有自生成零偏置信号的触 觉传感器, 能够实现多模态信息 ( 如振动、 材 料、 纹理、 压力和温度) 的协同传感。同时, 基 于特征融合的机器学习算法能够充分解码输出信 息, 并补偿实际应用中的作用力、速度等。 

触觉反馈技术是指利用振动、 触摸、 热和力 反馈等传输触觉信息, 增强机器人与人类的交互能力。触觉反馈系统通过传感器、 反馈器和算法 处理, 将机器人操作环境中的触觉信息传递至用 户。分布在机器人及灵巧手的触觉传感器能够在 非结构化的场景交互中提供多模态感知信息, 如接触状态、表面特征、 物理属性等。这些信息通过触觉反馈界面传递至用户, 对机器人与环境、 环境与人、人与机器人的安全、 自然交互具有重要作用。 

5 MEMS 嗅觉传感器 

嗅觉感知作为一种新兴的感知模式, 通过模 拟生物体的嗅觉功能, 分辨常见气味/ 气体, 实现 特定气体浓度检测以及主动且动态地定位气味或气体源。该技术相较传统的被动气味/ 气体感知系 统, 其显著特征在于能够感知、 追踪并最终精确检测气味/ 气体的浓度、 种类及其分布, 能够显著 提升机器人对环境的理解能力, 在食品安全、 环境监测和医学诊断等多个领域展现出巨大的应用 潜力。

机器人嗅觉感知技术的核心在于气体传感器与气体识别及定位算法的设计。气体传感器能够收集环境中的气体信息, 而气体识别与定位算 法能够分析当前环境气体种类与浓度以及推断气 味源空间的位置。 

5. 1 原理 

气体传感器是机器人嗅觉系统的核心硬件组件, 能够将气体分子与传感器材料的反应转化为 可处理的电信号。根据其不同工作原理, 气体传感器主要分为半导体式、 催化燃烧式、 电化学式、 光学式等多种类型。

其中, 半导体式气体传感器主要基于金属氧化物半导体材料的电导率随环境 气体成分变化的特性, 具有成本低、 灵敏度高和响应速度快等优点。催化燃烧式气体传感器通过可燃气体在催化剂表面燃烧产生的热量引起的传感器元件温度变化检测气体, 适用于可燃性气体 检测, 具有计量准确、 响应快速的特点。电化学式气体传感器通过测量气体在电解液中发生氧化 还原反应时产生的电流变化检测气体, 具有线性 输出和低功耗等优点。然而, 实际检测中会同时 存在多种气体, 且彼此之间结构和性质十分相近, 对目标气体的检测带来很大干扰, 难以获得准确 的目标气体浓度数据, 导致检测误差, 阻碍了气体传感器在嗅觉感知方面的应用。 

Persaud 等使用多个半导体式气体传感器 构建了世界上第一个电子鼻, 证明了不同气味的 区分可以在不使用特异性气敏材料的情况下实现。Fahad 等提出了一种基于 3. 5nm 硅沟道晶体管 的气敏场效应晶体管 (CS-FET) 阵列, 实现了常 温下多种气体的高选择性检测。为了解决气体传 感器阵列体积大、 能耗高及可靠性差的问题, 多 维度气体传感器成为气体传感器的研究热点。Li 等提出了基于石英晶体微天平 (QCM) 传感器 BVD 等效模型的压电式气体传感器虚拟阵列。利用气敏薄膜的多种特性信息, 结合支持向量机 和人工神经网络算法, 能够识别多种结构相似的 气体。 

5. 2 气体源定位算法 

气体源定位算法是机器人嗅觉系统中的关键技术, 能够帮助机器人识别并定位环境中的气体源。通过分析来自气体传感器的浓度数据, 机器 人可以推测出气味的来源位置。机器人气体源定位通常可划分为三个子任务: ①气体搜索, 探测 环境中气体的存在; ②气体追踪, 沿着气体羽流 路径进行追踪; ③气体源确认, 即通过气体传感 信息综合计算确定气体源的精确位置。

机器人气味源定位相关研究始于 20 世纪 90 年代。Ishida 等开展了嗅觉定位研究, 提出 了多种基于仿生学的气味源搜索策略, 包括仿飞 蛾搜 索、 浓 度 梯 度 搜 索 和 逆 风 搜 索 等。Hayes 等以 Moorebots 机器人为平台, 采用蜂群算法 开展了自主群机器人嗅觉定位研究, 证明多个机 器人之间的基本通信可以提高气味源定位系统的 效率。

陈欣星提出了多种烟雾源定位算法, 优 化了多模式概率图, 成功实现了烟雾源的高精度 定位。对于未知环境的烟雾羽流路径追踪, 采用 了局部感知窗粒子滤波算法, 并结合改进的萤火 虫算法提高了定位成功率。在复杂环境中, 结合 深度 Q 网络算法确保机器人能够避开障碍物并精 确定位烟雾源。 

5. 3 发展趋势 

机器人仿生嗅觉是一个新兴的跨学科研究领 域, 结合了传感器技术、 智能控制和气体传播等 多种学科。其目标是赋予机器人类似生物嗅觉的能力, 能够识别气体种类、 确定气体浓度, 并实现气体分布的确定与气体源定位, 广泛应用于环 境监测、 灾难救援等。尽管该领域在理论研究和 实验室应用中取得了一些进展, 但距离实际应用仍存在较大差距, 主要挑战包括气体传感器技术的限制及气体传播的不可预测性。

近年来, 随着仿生气体传感器和气体传播模型的研究深入, 部 分问题得到了解决。然而, 国内在该领域的研究仍处于初期阶段, 尤其是在气体传感器性能提升、 气体识别与仿生气源定位策略方面较为薄弱。虽然当前面临诸多挑战, 但机器人仿生嗅觉技术前 景广阔, 有望在未来实现广泛应用。

6 结语 

传感器是机器人实现智能化的关键, 而具身智能机器人为 MEMS 技术的发展带来新的机遇。人形机器人的功能性突破及 AI 大模型的快速迭 代, 对具身智能机器人的发展具有积极的促进作用。具身智能通过机器人等物理实体与环境交互, 能够实现环境感知、 信息认知和自主决策, 并能够从经验反馈中实现智能增长和行动自适应。作为机器人感知的物理层 MEMS 传感器, 结合 AI 大模型和多传感融合技术, 机器人能够实现智能识别、 智能规划、 智能抓取和智能交互等功能, 促进具身智能机器人的创新发展与应用。