视觉获取了超过80%的信息量，人工智能视觉领域的创新能够为具身智能等技术带来根本性变革。动态柔性光学传感（DFOS）技术通过传感器自身按需调节曲率，可实现曲率匹配的光学采集、无光学移动的焦距切换以及多平面光场采集；然而，对于当前的电子阵列而言，实现可重复且可逆的形变仍具挑战性。本文提出了一种基于液态集成电路（LICs）的DFOS系统，通过集成光敏离子液体（PIL）与可拉伸液态金属电极，实现了用于几何自适应光学传感的主动曲率调制。该光敏离子液体表现出选择性色彩感知、可逆的光-热-电响应以及优异的稳定性。这种全液态架构实现了大振幅的液压控制曲率调制（>31.9°），应变速率约为1.62%/秒，且在600次可逆循环中展现出卓越的耐用性，未发生机械疲劳。在机器学习的辅助下，该系统通过液压控制的曲率调制，在凹面、平面和凸面构型下实现了针对色彩、图案和距离识别的多模态信号采集，并保持了高精确度。

二、背景介绍

    人类所感知的信息中，超过80%源于视觉系统，该系统同时也是具身智能等技术中的首要感知系统。从历史维度来看，人工视觉系统的发展主要聚焦于基于透镜的成像系统。在过去的七十多年里，主流研究方向致力于开发专门适配静态平面光传感器的透镜系统（图1A）。然而，平面传感器本质上存在场曲（匹兹伐曲面）和渐晕等光学像差，因而需要通过复杂、笨重且昂贵的多透镜组件进行矫正。相较于透镜技术的显著进步，针对传感器端旨在克服上述物理局限的优化研究仍相对滞后。

    现有研究已通过利用单晶硅和锗等刚性半导体进行结构设计，实现了仿生曲面传感（例如人眼或复眼结构），并展现出宽视场、深景深及低像差的传感能力。一些关于变焦成像器的开创性研究已尝试实现动态柔性光学传感（DFOS），该技术赋予了光学传感器按需调节曲率的能力。DFOS具有极高的应用价值，不仅能够通过减少场曲像差来降低畸变和暗角，还能通过曲率调制引起的等效光程变化实现无需透镜移动的对焦切换。此外，DFOS还能通过形变驱动的光学适应，实现多焦平面图像的同时捕捉。

    尽管这些尝试通过几何工程实现了一定的可拉伸性，但仍受限于固态光电材料固有的力学局限性以及内在的传感原理。目前面临的挑战包括形变范围狭窄、力学耐久性不足以及缺乏色彩识别能力。传统的可拉伸光电器件在动态条件下易发生力学疲劳与结构共振。此外，由于光电材料本身缺乏色彩分辨能力，传统的平面光学传感器依赖于拜耳滤光片（Bayer filters）；然而，由于滤光片具有刚性结构，将其集成至可形变光学系统中存在本质困难。

来源；传感器专家网