人类通过触觉、视觉、听觉、味觉和嗅觉等多种感官整合来全面感知世界。这种感官整合不仅帮助我们理解环境，还为应对各种情境提供了关键信息。随着技术的进步，人形机器人和人机界面的发展突显了扩展人类感官功能的迫切需求。这一需求不仅局限于传统五种感知，还可能引入超越这些感官的第六感:远程感知。远程感知作为认知领域的一次重要突破，展现出在提升决策能力和环境互动方面的巨大潜力。通过突破传统感官的局限，远程感知为人类感知与认知开辟了全新可能性。然而，当前的电子皮肤传感器主要依赖物理接触获取信息，这在无直接交互的情况下表现出显著不足，限制了人机交互（HMI）的能力。尽管已有关于非接触或预接触传感技术的研究，但对远程感知技术的进一步发展探讨仍相对有限。为应对这些挑战，研究者们开始关注通过创新表面结构设计、引入新型复合材料以及离子注入等手段来增强传感器的非接触感知能力。然而，介电层的电荷捕获能力仍显不足，影响了传感器的整体灵敏度，使得在无直接接触的情况下实现有效感知更加困难。另一方面，尽管依靠大数据的模拟建模技术能够识别三维形状，但现有电感受器的灵敏度仍无法同时识别物体的形状和材料组成。因此，将材料科学、纳米技术与深度学习算法的进步融入先进传感器设计中，对于提升触觉和远程感知功能至关重要。提高电荷捕获能力是推动远程感知技术进一步发展的关键。远程感知作为一种新兴技术，能够在一定距离内检测并区分物体的形状和材料组成，展现出广阔的应用前景。

  中国科学院北京纳米能源与系统研究所的魏迪研究员、王中林院士团队与清华大学任天令教授、剑桥大学初大平教授团队合作，首次定义远程感知概念，并将其与非接触或预接触传感进行区分；设计了一种具有远程感知-多模态传感功能的高灵敏电子皮肤。该电子皮肤通过将无机纳米颗粒进行结构化阵列掺杂，并结合先进的深度学习算法，显著提升了远程感知功能的精度，超越了传统非接触式传感器的性能；实现了14.2（ΔV/Δd）的灵敏度，极大地提高了远程监控和机器人操控的精确度。在触觉感知方面，采用了基于长短期记忆（LSTM）的自适应脉冲识别技术，将材料识别的准确率提高至99.56%，同时显著提升了数据处理效率。此外，通过将二维传感器矩阵的数据集成到卷积神经网络（CNN）中，成功实现了对三维物体形状和材料组成的精准区分。这一突破不仅推动了传感器技术的进步，还为实现多模态感知系统开辟了新的研究方向，展示了广泛的应用潜力和深远的科学影响。

图 6. 具有远程感知-多模态传感功能电子皮肤在远程感知和触觉感知中的应用。（A） 基于仿生机械感受器阵列的实时触觉感知系统（RTPS）。（B） RTPS的控制页面。（C）RTPS在识别材料时的输出信号曲线和识别结果。（D）基于仿生电感受器矩阵（20×20单元）和卷积神经网络算法（CNN）的远程感知系统，可以识别三维物体。

  本研究首次展示了电子皮肤的远程感知功能，突破了传统非接触式传感和感官模式的局限性，开启了感知的新维度。开发初具有远程感知-多模态传感功能的电子皮肤，通过结构化掺杂无机非金属纳米颗粒，并结合先进的深度学习算法，实现了卓越的远程感知和触觉等多模态感知性能。实验结果与COMSOL仿真表明，诱导极化引发的电荷陷阱机制在无机非金属纳米颗粒的结构化掺杂下得到显著增强，大幅提升了远程感知的灵敏度，创造了新的高灵敏度纪录。这一创新策略有效地解决了弹性衬底内无机非金属纳米颗粒掺杂杂乱无章所带来的挑战。基于长短期记忆（LSTM）算法的自适应脉冲识别技术显著提高了触觉感知中的材料识别准确率，达到了99.56%，同时加快了处理速度。与传统感官系统如视觉和触觉的复杂整合相比，该系统在实际应用中表现出优越的材料识别效率。此外，通过将二维传感器矩阵的数据集成到卷积神经网络（CNN）中，实现了对三维物体的准确识别。相比传统的三维识别方法，如CCD和红外相机，这一技术的突破简化了电路设计，显著降低了能耗。整合远程感知与触觉感知等多模态输入，使得该电子皮肤在提升人机界面和人形机器人中的感知能力方面展现出类似第六感的潜力。展望未来，其在具身智能中的应用将有望进一步推动人机交互和感官沉浸，为构建未来更复杂的智能感知系统奠定坚实基础。 

  原文链接：https://www.science.org/doi/10.1126/sciadv.adp8681