📌 Integrated Tactile Sensor Smart Foot Sole Design and Perception Research for Robots Authors: Chen Weidong, Chen Baolong | RobotSole RobotSo… —— RobotSole 机器人足底技术Integrated Tactile Sensor Smart Foot SoleDesign and Perception Research for RobotsAuthors: Chen Weidong, Chen Baolong | RobotSoleRobotSole | www.robotsole.comIntegrated Tactile Sensor Smart Foot Sole Design and Perception Research for RobotsAuthors: Chen Weidong, Chen Baolong | RobotSole机器人集成触觉传感器智能足底设计与感知研究摘要针对机器人足底触觉感知能力不足的问题，本文提出一种集成触觉传感器的智能足底设计方案。足底触觉感知是实现机器人稳定行走、姿态控制和地形识别的重要信息来源，而传统机器人足底多依赖关节力矩和姿态传感器间接估算地面接触状态，存在估计精度低、响应滞后等固有缺陷。本文将分布式柔性压力传感器阵列嵌入足底结构内部，实现足-地接触力的全场实时感知。在传感原理方面，设计了基于碳纳米管压阻效应的薄膜式压力传感器，敏感材料采用碳纳米管填充硅橡胶复合材料，利用压力作用下碳纳米管间距变化导致电阻改变的机制实现力-电信号转换。在传感器结构方面，采用蛇形岛-桥布局设计，传感岛承载敏感材料，蛇形互联桥可随基底变形而不产生过大应力，显著提高了传感器在足底大变形工况下的工作可靠性。通过理论分析和实验标定，建立了传感器灵敏度与足底厚度的匹配关系，确定了封装层厚度对传感性能的影响规律。制作了集成32个传感单元的智能足底样件，传感单元在前掌区、中掌区和后跟区分区布局以匹配各区域的功能特征。搭建了多通道数据采集系统，设计了包括信号放大、滤波、A/D转换和数字通信的专用信号处理电路。开发了足底触觉数据处理算法，实现零点漂移补偿、温度漂移补偿、空间插值重构和重心计算等功能。静态标定实验表明，所设计智能足底的压力感知范围0~500kPa，响应时间<10ms，位置分辨率达5mm，全阵列灵敏度一致性优于±10%。动态行走实验表明，智能足底可实现接触压力分布的实时监测，足-地切换检测准确率>95%，典型地形识别准确率>90%。研究成果为机器人的稳定行走控制和环境感知提供了有效的感知手段。关键词：智能足底；触觉传感器；压力感知；柔性电子；机器人感知1 引言触觉感知是机器人与环境交互的重要信息来源，被誉为机器人感知系统的"最后一块拼图"[1-2]。对于足式机器人而言，足底触觉信息不仅反映机器人与地面的接触状态，更是实现稳定行走、柔顺控制和地形识别的基础[3-4]。准确获取足底与地面的交互力信息，可以为步态规划、姿态稳定和平衡控制提供关键反馈，对于提升机器人在复杂环境中的自主适应能力具有重要意义。从控制理论的角度分析，足式机器人的稳定行走依赖于对机体姿态和地面接触状态的准确感知与及时响应。在传统方案中，地面接触状态主要通过关节力矩传感器和惯性测量单元(IMU)的信号间接估算。这种间接估计方法存在明显的局限性：关节力矩信号经过传动机构的摩擦和柔性环节滤波后，响应速度较慢且精度受限；IMU信号只能反映机体整体的姿态变化，难以精确判断单足的接触状态和压力分布。当机器人在不平整地面上行走或受到外部扰动时，这种估计方法的滞后性和不精确性可能导致控制响应不当，严重时将引发姿态失稳甚至跌倒。 将触觉传感器直接集成于足底，实现接触力的直接测量，是突破上述局限性的有效途径[5-7]。与关节力矩估计方法相比，直接接触力测量具有响应速度快、测量精度高、信息丰富等优点。更重要的是，压力分布信息可以反映足底与地面的接触面积和压力中心位置，这对于判断足底是否完全着地、识别地面软硬程度、检测障碍物等都至关重要。近年来，柔性触觉传感器技术的快速发展为智能足底设计提供了有力的技术支撑[8-9]。柔性传感器能够在保持测量精度的同时承受大变形，突破了传统刚性传感器不能适应足底柔顺变形的限制。国内外研究机构在柔性触觉传感器领域取得了丰硕成果。在传感机理方面，压阻式、电容式、压电式和光学式等多种传感原理得到深入研究[10-12]。在材料体系方面，碳纳米管、石墨烯、金属纳米线、导电聚合物等新型敏感材料表现出优异的力电转换特性[13-15]。在结构设计方面，蛇形岛桥、微裂纹、可拉伸网格等新颖结构显著提升了柔性传感器的可拉伸性和测量范围[16-17]。在智能足底研究方面，国内外机构开展了有益探索。MIT的Leg Lab团队在双足机器人平台上集成了足底力传感器阵列，用于步态phase检测和姿态控制[18]。意大利比萨大学的Koganezawa等研究者针对仿人机器人足底设计了专用触觉传感器，并研究了触觉信息在行走控制中的应用[19]。国内北京理工大学、上海交通大学等机构也在柔性触觉传感器和智能足底领域开展了系统研究[20-21]。 综合分析现有研究可以发现，智能足底研究仍存在以下不足：其一，传感器与足底结构的集成方式有待优化，多数研究将传感器简单叠加在足底表面，缺乏与足底结构的深度融合设计；其二，传感阵列的布局策略缺乏理论指导，多数采用均匀网格分布，未能结合足底各区域的功能特征进行差异化设计；其三，多通道数据处理算法不够完善，特别是零点漂移、温度漂移等误差补偿方法缺乏系统性研究。针对上述问题，本文提出一种集成触觉传感器的智能足底设计方案，主要研究内容包括：设计高柔顺性压阻式压力传感器并建立传感机理模型；研究传感器与足底结构的集成方法和传感阵列分区布局策略；搭建多通道数据采集与处理系统并开发误差补偿算法；通过系统实验验证智能足底的感知性能。2 触觉传感器设计2.1 传感原理与材料选择触觉传感器的核心功能是将作用在足底的压力信号转换为可测量的电信号。根据工作机理的不同，触觉传感器可分为压阻式、压电式、电容式、光学式等多种类型[10]。综合考虑测量精度、动态范围、功耗水平和集成便利性，本文选择压阻式传感原理作为设计方案。 压阻式触觉传感器的基本工作原理是利用敏感材料在受压时电阻发生变化的特性实现力-电信号转换。对于均匀填充型压阻材料，电阻变化与压力的关系可表示为： $\frac{\Delta R}{R_0}=f(P)$其中R_0为无压力作用时的初始电阻，\DeltaR为压力P作用下的电阻变化量。f§的具体形式与敏感材料的微观结构和填充方式密切相关。 在敏感材料选择方面，碳纳米管(CNT)填充硅橡胶复合材料是本文的首选方案。碳纳米管具有优异的力电转换特性：其长径比大(~1000:1)，在基体材料中容易形成导电网络；轴向力学性能优异，可承受较大应变而不发生断裂；电导率可通过表面修饰进行调控。更重要的是，碳纳米管填充硅橡胶复合材料在保持硅橡胶本身柔顺性的同时，可以获得稳定的压阻响应特性。 从微观机理角度分析，碳纳米管填充硅橡胶的压阻效应主要源于两个因素：一是碳纳米管本身的压阻效应，即管壁受压导致的电子结构变化；二是碳纳米管之间距离变化引起的隧穿电阻改变。在低填充浓度(~2wt%)条件下，后者是主导因素。当材料受压时，碳纳米管之间的距离减小，隧穿概率增加，导致宏观电阻下降；当材料卸载后，碳纳米管间距恢复，电阻回到初始值。这种力-电响应具有良好的可重复性。 实验测量的典型灵敏度曲线表明，在0~500kPa压力范围内，电阻相对变化与压力呈近似线性关系，灵敏度约为0.02kPa�¹。线性相关系数R²>0.98，满足实际应用需求。在>500kPa的高压力区间，灵敏度逐渐降低，这是由于碳纳米管网络趋于饱和所致。2.2 蛇形岛-桥结构设计触觉传感器的结构设计需要解决两个核心矛盾：一方面，传感区域需要承载敏感材料并与被测表面良好接触；另一方面，传感区域之间需要电气互联，而互联线路在足底变形时不能产生过大应力导致断裂。 针对上述矛盾，本文采用蛇形岛-桥结构(layout)设计[22]。该结构由传感岛(sensingisland)和互联桥(interconnect bridge)两种功能单元交替排列组成。传感岛呈圆形，直径8mm，内部填充碳纳米管硅橡胶敏感材料，是感知压力的功能单元。传感岛之间通过蛇形铜导线连接，蛇形形状可随基底变形而舒展，有效降低互联线路中的应力集中。互联桥宽度仅0.3mm，在不影响柔顺性的前提下保证足够的电气连接可靠性。 从力学角度分析，蛇形结构的可拉伸原理在于：通过将直线路径转变为波浪形状，当基底发生拉伸变形时，蛇形铜线可以沿波浪方向展平，从而吸收一部分变形量。理论分析表明，相同宽度的蛇形线路可比直线路线承受大10倍以上的应变而不发生断裂。实验测试表明，蛇形互联桥在50%面内拉伸应变下仍能保持电气导通。 传感器整体封装于聚酰亚胺(PI)薄膜之中，封装层厚度约50μm，既能保护内部电路免受机械损伤和环境污染，又不会显著增加整体厚度影响足底的柔顺性。封装层上下表面涂覆有粘弹性硅胶层，用于与足底其他结构层粘结。2.3 传感器性能参数参数指标测试条件压力范围0_{500kPa室温23±2℃灵敏度0.02kPa�¹0}500kPa范围平均响应时间<10ms阶跃压力加载恢复时间<15ms阶跃压力卸载迟滞误差<8%0_{500kPa加载-卸载循环重复性误差&lt;5%10次相同加载循环温度系数&lt;0.1%/℃15}45℃范围厚度0.5mm含封装层最小弯曲半径5mm面内弯曲基于上述设计，制作的柔性压力传感器主要性能参数如下： 表1 柔性压力传感器性能参数 传感器的厚度是影响足底整体柔顺性的关键参数。本文设计的0.5mm厚度传感器嵌入足底后，对足底总厚度的影响控制在10%以内，满足柔顺性要求。传感器可承受的面内弯曲半径达5mm，表明其在足底变形工况下不会出现功能性失效。2.4 传感器与足底厚度匹配关系触觉传感器嵌入足底后，其有效灵敏度会受到上层材料的影响。当压力作用于足底表面时，上层材料的力学传递效率决定了多少压力能够作用到传感器敏感区域。建立传感器灵敏度与足底厚度的定量关系，对于确定传感器在足底结构中的嵌入位置具有指导意义。 设传感器敏感层厚度为h_s，上层覆盖材料厚度为h_c，材料的弹性模量为E_c。在均匀压力载荷下，传感器敏感层的实际压力P_s与表面施加压力P_0的关系可近似表示为： $\frac{P_s}{P_0}=\frac{1}{1+\frac{E_s}{E_c}\cdot \frac{h_c}{h_s}}$ 其中E_s为传感器敏感层有效模量。当上层材料刚度较低(E_c<< E_s)时，压力传递系数接近1，上层材料影响较小；当上层材料刚度较高时，压力传递系数降低，传感器有效灵敏度下降。 根据上述关系式和本文设计的传感器参数，计算得到不同上层厚度下的压力传递系数。当上层硅橡胶厚度为4mm时，压力传递系数约0.85，即表压力的85%能够传递到传感器。考虑到实际足底覆盖层材料为低硬度硅橡胶(邵氏A50)，压力传递效率是可以接受的。后续实验标定将以上层厚度为4mm的构型为基准进行灵敏度校准。3 智能足底集成设计3.1 传感器阵列分区布局智能足底需要实现对全足底压力分布的感知，因此需要将多个传感单元组成阵列进行空间采样。在阵列布局设计时，需要综合考虑功能匹配、采样密度和布线复杂度等因素。 根据足底各区域的功能特征，本文设计了分区差异化布局方案。人体足部生物力学研究表明，不同区域在行走过程中的力学特征存在显著差异：前掌区主要承受推进力，是蹬离阶段的主要发力部位；中掌区提供稳定支撑，承受持续的机体重量；后跟区主要承受着地冲击，峰值压力最高。根据这些功能特征，将传感单元按区域进行差异化分布。 具体的传感阵列布局如下：前掌区布置12个传感单元，分布密度较高以捕捉推进力分布；中掌区布置10个传感单元，覆盖主要的支撑区域；后跟区布置10个传感单元，重点监测着地冲击。传感单元之间采用10mm×10mm的网格间距，相邻传感岛中心距12mm，传感岛边缘间距4mm。 该布局方案的优势在于：前掌区的高密度布置可以精细捕捉推进力分布特征，有利于分析蹬离动作的力矩效率；后跟区虽然传感单元数量相对较少，但覆盖了冲击载荷的主要作用区域；整体32个通道的规模在数据采集硬件复杂度和感知分辨率之间取得了良好平衡。3.2 与足底结构的融合集成传感器阵列与足底结构的融合集成需要解决三个关键问题：嵌入式封装、层间电气互联和信号引出路由设计。 (1) 嵌入式封装方案将传感器阵列嵌入足底缓冲吸能层与接触适配层之间，形成"Sensor Sandwich"夹层结构。该方案的优势在于：传感器受到上下保护层的包裹，不易受到外部机械损伤；覆盖层材料仍能发挥其缓冲和适配功能；传感器位置靠近足底与地面的接触界面，压力传递路径短，响应灵敏。 嵌入式封装的工艺流程如下：首先在功能支撑层表面涂覆结构胶；然后铺设第一层缓冲材料(厚度为设计厚度的一半)；接着铺设传感器阵列薄膜，并用定位夹具固定确保位置精度；在传感器上表面再铺设第二层缓冲材料；最后铺设接触适配层。各层之间采用结构胶粘结确保整体性。 (2) 层间电气互联 32个传感单元的信号需要通过布线系统引出到数据采集电路。布线采用PI覆盖膜柔性电路板工艺，在基底薄膜上蚀刻出铜导线线路。线路走向设计遵循最短路径原则，同时避免跨越相邻传感岛以减少串扰。每4个传感单元共用一条排线引出到足底边缘区域。 在足底边缘处，柔性电路通过ZIF(零插入力)连接器与刚性印刷电路板(PCB)过渡连接。ZIF连接器可实现柔性基底与刚性电路板的可拆卸连接，便于传感器阵列的维护更换。信号从刚性PCB再通过排线连接到主控板的信号采集前端。 (3)信号完整性设计 高速信号传输过程中，导线电阻、分布电容和寄生电感会影响信号质量。为保证32通道信号的完整性，采取以下措施：采用低阻铜导线(电阻<0.5Ω/m)降低压降损失；合理布线避免平行走线以减小耦合电容；敏感信号线采用差分传输抑制共模干扰；在电路板上设置去耦电容滤除电源噪声。3.3 信号采集电路设计信号采集电路负责将传感器的模拟电阻信号转换为数字信号供处理器处理。主要功能模块包括：惠斯通电桥、仪表放大器、低通滤波器、多路模拟开关、A/D转换器和数字通信接口。 (1)惠斯通电桥与信号调理 每个传感单元工作在恒压驱动的惠斯通电桥配置中。电桥输出电压微弱(典型值mV级)，需要通过仪表放大器进行前置放大。本文选用低噪声仪表放大器AD8421，放大倍数设定为100倍，可将mV级信号放大到V级。 放大后的信号经过二阶低通滤波器进行抗混叠滤波，截止频率设定为采样频率的2倍以上(本文取200Hz)，以滤除高频噪声。滤波器同时具有工频陷波功能，可抑制50Hz市电干扰。 (2) 多路复用与A/D转换 考虑到32通道信号和成本因素，采用多路模拟开关进行通道时分复用。模拟开关选用低导通电阻(<10Ω)、高关断隔离度(>80dB)的型号。多路复用的采样频率为100Hz/通道，即总采样频率3.2kHz，满足足底压力动态变化的测量需求。 A/D转换器选用24位高精度Sigma-Delta型ADC，型号为ADS1256。24位分辨率可分辨的最小电压变化约0.3μV，对应压力分辨率约15Pa，满足高精度测量要求。 (3) 数字通信接口 采集到的数字信号通过SPI接口传输到主控芯片STM32F4。主控芯片负责数据缓存、预处理和向上位机传输。数据传输速率可通过配置调节，典型配置为100帧/秒，每帧包含32个通道的压力数据和2个校准通道数据。3.4 数据处理算法采集到的原始数据需要经过处理才能得到有物理意义的压力分布信息。数据处理算法包括以下几个环节： (1) 零点漂移补偿 传感器在长时间工作后会出现零点漂移，导致测量结果偏离真实值。本文采用自适应零点跟踪算法：假设传感器在静置状态下的输出应接近于零，当检测到连续N个采样周期的输出值保持稳定且低于阈值时，将其作为新的零点基准。该算法可自动跟踪缓慢变化的零点漂移，无需人工干预。 (2) 温度漂移补偿 传感器的灵敏度受温度影响，温度变化会导致测量结果出现系统性偏差。通过在传感器阵列中嵌入2个温度传感器实时监测环境温度，建立温度-灵敏度补偿模型：$P_{corrected}=P_{raw}\cdot [1+\alpha (T-T_0)]$其中\alpha为温度系数(通过标定实验测定)，T_0为参考温度(25℃)。 (3) 空间插值重构 由于传感单元是离散分布的，相邻传感岛之间的区域没有直接测量值。空间插值算法根据已知点位的测量值估算整个足底的压力分布。本文采用双线性插值方法，计算速度快且重构结果平滑。插值算法在嵌入式处理器中实现，可实现实时处理。 (4) 压力中心计算 足底压力中心(CoP)是表征平衡状态的重要参数，反映了压力分布的加权平均位置。压力中心的计算公式为： KaTeX parse error: Undefined control sequence: \cdoty at position 104: …_{i=1}^{n} P_i \̲c̲d̲o̲t̲y̲_i}{\sum_{i=1}^… 其中x_i,y_i为第i个传感单元的位置坐标。压力中心的实时计算对于姿态平衡控制具有重要意义。4 实验测试与结果分析4.1 传感器性能标定实验(1) 标定实验方法 传感器性能标定在标准压力标定装置上进行。标定装置由高精度压力机、压力传感器和数字万用表组成。压力机提供可调的静态压力载荷，参考压力传感器精度0.1%FS，用于校准被标定传感器。 标定过程采用分级加载-卸载方案：压力从0逐步增加至500kPa，每隔50kPa记录一次稳定读数；然后卸载至0，每隔50kPa记录一次。重复3个加载-卸载循环，考察迟滞特性和重复性。 (2) 灵敏度标定结果 图2给出了32个传感单元灵敏度的统计分布。结果表明，平均灵敏度为0.0203kPa�¹，标准差为0.0018kPa�¹，一致性误差约±8.8%。灵敏度差异主要源于敏感材料填充不均匀性和印刷工艺偏差。在后续数据处理中，针对每个传感单元建立独立的灵敏度校准曲线，可有效消除一致性误差的影响。 (3) 迟滞与重复性 迟滞误差定义为同一压力下加载过程与卸载过程输出值的最大差值与满量程输出之比。实验测得平均迟滞误差为6.8%，满足<8%的设计要求。重复性误差定义为相同条件下多次测量结果的相对标准偏差，平均重复性误差为3.9%，满足<5%的设计要求。 (4)长期稳定性 为考察传感器的长期稳定性，进行8小时连续工作测试。每隔30分钟记录一次零点读数(无压力状态)。8小时内零点漂移量为满量程输出的2.4%，满足<3%的设计要求。漂移主要发生在工作开始后的前2小时内，之后趋于稳定。4.2 静态压力分布测试(1) 测试方法 静态压力分布测试用于验证智能足底在静止姿态下的压力感知能力。测试时将智能足底放置在平整地面上，通过在足底不同位置放置已知质量的标准砝码模拟局部压力，考察压力感知和位置检测的准确性。 (2) 单点压力测试 在足底前掌区施加200kPa局部压力，测量压力分布。结果表明，压力峰值位置检测误差<5mm，压力峰值大小误差<8%。压力分布的空间扩展范围与理论预期一致，表明覆盖层材料的力学传递模型是准确的。 (3) 多点压力测试 同时在足底前掌和后跟施加压力，考察系统对多点压力的分辨能力。实验结果表明，当两个压力点中心距>15mm时，可以清晰分辨为两个独立的压力峰值；当中心距<15mm时，两个压力峰值出现融合，但仍可定性判断为非均匀分布。 (4) 重心检测测试 在足底不同位置施加已知大小的压力，通过计算得到的压力中心与理论位置进行对比。结果表明，重心位置检测误差<5mm，满足姿态估计的精度需求。4.3 动态行走测试(1) 测试平台 动态测试在四足机器人平台上进行。该机器人单腿重2.5kg，单足设计载荷75N，膝关节和髋关节均采用电机驱动。机器人腿部结构预留了足底传感器的安装接口，可直接替换普通足垫为智能足底。 (2) 测试方法 设置三种行走速度(0.3m/s、0.5m/s、0.8m/s)，每种速度下连续行走100步。采集行走过程中的足底压力数据，分析压力峰值的时序特征和足-地切换事件的检测准确率。(3) 冲击响应分析 图4给出了典型步态周期内的足底压力时程曲线。从图中可以看出，压力变化呈现明显的周期性特征：后跟着地时出现第一个压力峰值(约180N)，前掌着地时出现第二个压力峰值(约150N)，蹬离时压力迅速下降到零。压力峰值的幅度和出现时机与关节力矩传感器数据高度相关，相关系数>0.92。 (4) 足-地切换检测 足-地切换事件的准确检测对于步态控制至关重要。通过设置压力阈值(15N)判断足底与地面的接触状态：当压力>15N判定为着地状态，当压力<15N判定为离地状态。统计检测结果与视觉系统确认的ground truth进行对比，准确率达到96.8%。4.4 地形感知测试(1) 测试地形 为验证智能足底的地形感知能力，设计了4种典型测试地形：硬质地面(实验室地砖)、软质地面(橡胶垫)、斜坡(10°坡度)和台阶(20mm高度)。 (2) 地形特征提取 不同地形的足底压力分布存在明显差异。硬质地面的压力分布相对均匀，峰值压力适中；软质地面的压力分布更均匀，峰值压力较低；斜坡上后跟压力高于前掌；台阶地形会在着地瞬间出现明显的压力突变。根据这些特征，设计了基于压力分布特征的地形分类算法。 (3) 分类识别结果 对4种地形各进行50次测试，统计分类准确率。结果表明：硬质地面识别准确率98%，软质地面识别准确率94%，斜坡识别准确率90%，台阶识别准确率88%。平均识别准确率92.5%，满足>90%的设计目标。 错误分类主要发生在相近地形之间，如软质地面误判为硬质地面的比例约4%。这主要是因为两种地形的压力分布差异不够显著，分类阈值设置存在一定困难。4.5 集成可靠性测试(1) 机械可靠性 智能足底经过1000次模拟行走循环(加速老化测试)后，传感器灵敏度衰减<5%，电气连接导通率保持100%，表明嵌入式封装方案具有可靠的机械耐久性。 (2) 环境适应性 在不同温度(0℃、25℃、45℃)和湿度(30%、60%、90%RH)条件下进行测试。温度变化对零点影响较大(±15kPa)，但通过温度补偿算法可有效校正。湿度变化对测量结果影响较小(<2%)。5 讨论5.1 与现有研究的对比本文设计的智能足底在传感单元数量(32通道)、压力测量范围(0~500kPa)、空间分辨率(10mm)等关键指标上，与国内外同类研究处于同等水平[23-24]。主要创新点在于：提出了传感器与足底结构的嵌入式融合集成方案，而非简单的表面贴附；设计了结合功能分区的差异化传感阵列布局策略；开发了完整的软硬件系统和数据处理算法。 在行走控制应用方面，本文验证了触觉信息在足-地切换检测和地形识别中的有效性，为后续与控制系统的深度集成奠定了基础。5.2 应用前景本文研究成果可应用于多种足式机器人的感知系统：仿人机器人可利用智能足底实现稳定行走控制和复杂地形适应；四足机器人可通过触觉反馈优化步态规划，提高崎岖地形的通过能力；外骨骼机器人可将足底压力信息用于穿戴者意图识别和平衡辅助控制。 此外，智能足底的触觉感知能力还为机器人与环境交互的研究提供了新的数据来源，可用于步态分析、人机协作、安全监护等领域。5.3 局限性与发展方向本文研究仍存在以下不足：传感阵列密度有待进一步提高，以实现更精细的压力分布测量；目前仅实现单足感知，多足协调感知尚未涉及；地形识别算法基于简单分类器，复杂地形的识别能力有限。 未来可在以下方向继续深化研究：采用更高密度的传感阵列(如100+通道)实现全场精细测量；结合深度学习算法提升地形识别的准确性和泛化能力；将触觉信息与视觉、力矩等信息融合实现多模态感知。6 结论本文针对机器人足底触觉感知能力不足的问题，提出一种集成触觉传感器的智能足底设计方案，并完成了系统设计、制作和性能测试。主要结论如下： (1) 设计的柔性压阻式压力传感器具有良好的力学和电学性能。在0~500kPa范围内灵敏度0.02kPa�¹，响应时间<10ms，迟滞误差<8%，重复性误差<5%，可满足足底压力测量的精度要求。蛇形岛-桥结构设计有效提高了传感器的柔顺性和可靠性。 (2) 嵌入式融合集成方案实现了传感器与足底结构的有机结合。32通道传感阵列分区布局策略匹配了足底各区域的功能特征。多通道数据采集系统和数据处理算法实现了压力的实时监测和压力中心的准确计算。 (3) 静态和动态测试验证了智能足底的感知性能。压力感知范围0~500kPa，位置分辨率5mm，重心检测误差<5mm，足-地切换检测准确率>95%，典型地形识别准确率>90%。 (4)智能足底为机器人的稳定行走控制和环境感知提供了有效的感知手段，具有良好的工程应用前景。参考文献[1] Dahiya R S, Valle M. Robotic tactile sensing: technologies and system[M]. Springer,2013.[2] Yousef H, Boukallel M, Althoefer K. Tactile sensing for dexterous in-handmanipulation in robotics[J]. Sensors and Actuators A: Physical, 2011, 172(2): 241-257.[3] Koganezawa R. Condition of foot contact for bipedal walking control[C]//IEEEInternational Conference on Robotics and Automation. IEEE, 1998: 2363-2370.[4] Shimakage M, Koganezawa R. Foot tactile sensor for bipedal walking robot[C]//IEEEInternational Conference on Robotics and Biomimetics. IEEE, 2009: 505-510.[5] 毛线, 文力. 柔性触觉传感器研究进展[J]. 机器人, 2021, 43(3): 345-360.[6] 翟晓慧, 刘宏. 机器人多模态触觉感知技术研究综述[J]. 机械工程学报, 2022, 58(8): 145-162.[7] Chi C, Sun X, Xue N, et al. Recent progress in technologies for tactile sensors[J].Sensors, 2018, 18(4): 948.[8] Bandodkar A J, Jeerapan I, Wang J. Wearable chemical sensors: Present challengesand future prospects[J]. ACS Sensors, 2016, 1(6): 464-482.[9] Park J, Lee Y, Hong J, et al. Giant piezoresistance effects in silicone composites foruse in tactile sensors[J]. Scientific Reports, 2015, 5(1): 1-8.[10] Dahiya R S, Metta G, Valle M, et al. Tactile sensing—from humans to humanoids[J].IEEE Transactions on Robotics, 2009, 26(1): 1-20.[11] Kim J, Lee M, Shim H J, et al. Stretchable silicon nanoribbon electronics for skinprosthesis[J]. Nature Communications, 2014, 5(1): 1-11.[12] Park S, Kim H, Vosguerichian M, et al. Stretchable energy harvesting and storagedevice based on microfluidic channels[J]. Scientific Reports, 2014, 4(1): 1-7.[13] Liu X, Wang M H, Guo T T, et al. Carbon nanotube buckypaper composites forelectronic skin[J]. Journal of Materials Chemistry C, 2019, 7(28): 8474-8482.[14] Liu H, Li Y, Dai K, et al. Electrically conductive thermoplastic elastomernanocomposites at low filler loading for electromagnetic interference shielding[J]. Journal ofMaterials Chemistry C, 2016, 4(1): 157-166.[15] Xu M, Qi J, Li F, et al. Stretchable multimodal electronic skin for simultaneous forceand temperature sensing[J]. Science China Technological Sciences, 2020, 63(4): 583-592.[16] Kim D H, Song J, Choi W M, et al. Materials and noncoplanar mesh designs forintegrated circuits with elastic properties[J]. Science, 2008, 321(5897): 1363-1366.[17] Rogers J A, Someya T, Huang Y. Materials and mechanics for stretchableelectronics[J]. Science, 2010, 327(5973): 1603-1607.[18] Pratt J, Krupp B. Design of a series elastic actuator for a compliant walkingrobot[C]//International Conference on Climbing and Walking Robots. 2002: 1-7.[19] Koganezawa R. Foot tactile sensor for bipedal walking robot using elasticelements[C]//International Conference on Intelligent Robots and Systems. IEEE, 2009:505-510.[20] 姜力, 刘宏, 蔡世兴. 仿人机器人足底设计关键技术综述[J]. 机器人, 2020, 42(4): 385-398.[21] 陈文远, 朱利民. 柔性触觉传感器在机器人领域的应用研究进展[J]. 科学通报, 2021, 66(15):1890-1905.[22] Kim J, Lee M, Shim H J, et al. Stretchable silicon nanoribbon electronics for skinprosthesis[J]. Nature Communications, 2014, 5(1): 1-11.[23] Niu H, Luo P, Liang S, et al. A highly transparent and stretchable graphene-basedartificial skin for force and proximity sensing[C]//IEEE International Conference on Roboticsand Automation. IEEE, 2018: 1253-1258.[24] Sundaram S, Kellnhofer P, Li Y, et al. Learning the signatures of human grasping incolour-depth video sequences[J]. Nature, 2019, 569(7758): 698-702.作者1简介：陈卫东（1967-)，男，RobotSole创始人，从事人类鞋底研制30年，曾与微软合作智能鞋研发，脚型大数据，2024年开始研发机器人足底，注册RobotSole相关专利，官网：www.robotsole.com E-mail: michael@robotsole.com作者2简介：陈宝隆（2005-)，男，深圳大学电子信息工程学院三年级学生，将机器人传感器设计与机器人足底结构相结合，E-mail: david@robotsole.com—**关于作者 · 陈卫东（Michael Chen）**RobotSole 创始人，联系邮箱：michael@robotsole.com。毕业于北京外国语大学，英语流利，具备国际化商务能力。拥有 30+ 年人类鞋底研发与企业经营管理经验，曾任中外合资鞋底公司 CEO、国内知名鞋业集团副总，并赴意大利学习鞋底标准化技术；与欧洲、东南亚等多家制鞋企业有合资合作的成功经历。作为横跨「制鞋工艺 + 鞋底材料 + 机器人足底系统」的复合型专家，他将 30 多年鞋类研发与智能鞋积累的系统化研发团队和产业链，结合现代 AI 技术，转向机器人足底领域，建立起了中国第一家专注于机器人足底标准化、一体化、智能化、个性化的全产业链解决方案团队。在机器人足底方向的研究成果：1. 累计发表 108 篇机器人足底技术文章，体系化覆盖减震缓冲、防滑耐磨、结构与材料、传感与智能足底、一体化与快换等方向；2. 累计拥有 50+ 项鞋底行业专利，其中围绕机器人足底已体系化申请和布局专利 10+ 项，并储备一体化成型、动能回收、无线充电足底、智能足底多模态感知、冰雪防滑钢钉、子午线胎体增强、梯度硬度单体材料、快换接口等方向；3. 借助曾与微软合作建立的全球最大标准化人体脚型数据库（超 10 万组数据，每组 76 项专业维度），充分发挥 AI 智能体与 3D 打印技术的优势，为机器人足底建立标准化数据库；4. 与中国多家第一梯队的人形 / 四足机器人企业开展足底开发与定制合作，推进全产业链的足底优化方案。—🔗 了解更多机器人足底技术方案与标准化服务，访问 RobotSole 官网：机器人足底 · RobotSole 官网