柔性应变传感器对实现软体机器人运动感知和自主巡航至关重要。然而，软体机器人在复杂动态的工作环境中的连续变形对应变传感器的按需制造和长期稳健性带来了挑战。这需要精确的传感器建模以及传感器力-电耦合结构的可控制造。

该论文介绍了一种计算机辅助的传感器设计。研究人员采用环境稳定的单壁碳纳米管（SWNT）来制备应变传感器。通过激光辅助方法，精确制造传感器的微纳结构纹理，显示出高度可控的微裂纹生长行为和灵活可调的传感器特性。通过输入包括裂纹密度和微纳褶皱特征在内的传感器结构参数，建立相应的有限元分析（FEA）模型，模拟力-电双物理场演变，高精度地预测了不同传感器的传感曲线。实验结果表明，基于可控的裂纹生长和微纳褶皱特征，实现了传感器的良好稳健性。在此基础上，构建了软体机器人的自主感知和巡航系统。

研究背景和主要成果

软体机器人具有灵活的身体变形和出色的运动敏捷性，为其在非结构化环境中的动态任务提供了灵活、安全的交互。为了使软体机器人能够智能地和环境交互，需要在机器人身体结构中集成柔性应变传感器。它可以实时感知各种环境刺激，实现机器人本体运动和周围环境的灵敏感知，为机器人自主巡航奠定基础。然而，机器人的高自由度连续体变形和多模态运动对应变传感器的设计提出了巨大的挑战。一方面，为了满足具有不同运动行为或身体尺寸的软体机器人的差异化感知需求，亟需实现传感器性能的按需设计（灵敏度和线性工作窗口）。而这通常需要探索不同的设计原理和多次试错实验，耗时耗力，效率低下。另一种方法是开发传感器建模工具，利用数理统计或物理模拟，根据器件组成和形态对传感器特性进行模拟和优化。然而，这种方法面临着传统柔性应变传感器无法准确预测其结构动态演变的挑战。

另一方面，在当前软体机器人技术发展中，传感器的稳健性问题日益受到重视。当前的柔性应变传感器的稳定性测试往往局限于单调和重复的条件，无法复现软体机器人的真实复杂的工作环境。在实际应用中，软体机器人需要在多变且嘈杂的环境中运作，常面临着外力干扰和意外变形。这要求软体机器人的传感系统即使在间歇性工作和变频操作下也能保持稳定。然而，大部分传感器在动态监测中易受到材料或结构破坏的影响，进而导致信号失真和反馈能力下降。因此，开发能在复杂动态环境中保持高度鲁棒性的传感器，是推进软体机器人技术在实际应用的重要一环。

在此，西北工业大学黄维院士团队杨海涛教授和新加坡国立大学Ho Ghim Wei教授团队解决了软体机器人传感器的建模和稳定性难题。通过精准的激光加工技术和定制化的微裂纹纹理，实现了传感器特性的精确控制和建模。借助有限元分析模型，实现了传感器在复杂力学负载下响应曲线的模拟，确保了在极端条件下的长期稳定性。特别的，这些传感器在面对高达50%应变、10万次循环负载以及0-23 Hz的动态频率变化时，展现出了优异的鲁棒性。利用机器学习算法，这种传感系统被成功集成于软体机器人中，实现了精确的轨迹追踪（机器人轨迹预测误差<4%）和环境感知（地形高度感知误差<10%），显著提升了机器人的自主巡航能力。此项成果标志着软体机器人技术在本体感知和自主决策领域迈出了重要一步。

总结：本研究成功研发出了一种计算机辅助设计的应变传感器，利用褶皱内裂纹编程阵列，实现了传感器的高度定制和超稳定性。这种PCAM传感器通过控制裂纹密度和收缩率等参数，精确调节其灵敏度和工作范围，并利用有限元工具进行高精度传感建模。该传感器在各种复杂条件下展现出卓越的鲁棒性，适用于各规模的软体机器人，增强了机器人的感知和智能巡航能力。此外，通过将人工神经网络算法集成到传感器增强的折纸机器人中，实现了机器人的高精度轨迹预测和环境感知，能够有效执行从密闭空间操作到远程控制等多样化任务。这项技术不仅为软体机器人在未知环境中的应用开辟了新路径，也为实现更高层次的机器人协同工作和群体智能提供了强有力的支持，展望未来，通过进一步开发集成多传感器的机器学习算法，软体机器人的能力和应用领域将得到更广泛的拓展。