在具身智能、软体机器人和沉浸式交互快速发展的背景下，柔性应变传感器不仅需要“感知”人体动作，更需要在大形变与复杂动态动作下实现稳定、可重复的电信号输出。然而，传统导电水凝胶常受黏弹耗散、导电网络重构和环境扰动影响，易出现滞后、信号漂移及动作映射不一致等问题，进而降低手势识别与闭环控制的可靠性。如何在大形变条件下维持机械输入与电学输出之间的一致性，是构建高保真柔性人机交互界面的关键。

  近日，东北大学田野团队构建了一种单宁酸介导液态金属/可聚合深共晶溶剂（TA/LM@PDES）导电共晶水凝胶。该工作以液态金属表面化学与动态界面耦合为核心，通过单宁酸将可变形液态金属导电域与PDES 网络稳定连接，抑制循环形变中的导电通路重排，从材料层面实现了低滞后、低漂移和高重复性的应变信号输出。研究团队引入单宁酸作为界面化学稳定剂，一方面，单宁酸中的多酚基团可与液态金属表面的Ga³⁺发生配位。另一方面，其丰富的羟基又可与PDES网络形成多重氢键作用。由此，单宁酸充当了连接液态金属与软基体的“分子桥梁”，既稳定了液态金属的分散状态，又强化了界面载荷传递与离子/电子耦合传输。

  2026年7月20日，相关成果以“Liquid Metal-Based Eutectohydrogel Strain Sensor for Ultra-Low Hysteresis Human-Machine Interaction and High-Precision Sign Language Recognition”为题发表在Advanced Functional Materials（中科院一区，影响因子19.9）。东北大学医工学院博士研究生王莉娜为论文第一作者，东北大学医工学院田野研究员为论文通讯作者，东北大学为第一通讯单位。

图1. 液态金属纳米复合材料的设计与作用机理示意图。(a) TA与LM转化为LM多酚纳米复合物的超声作用机制示意图。(b) TA在去离子水及TA溶液中静置1小时后，其稳定性对比照片。(c) TA/LM分散液的XPS全光谱图。(d) TA/LM分散体系的高分辨率Ga 2p XPS光谱图。(e) TA/LM液滴的TEM形貌图像。(f) TA/LM液滴中C、O、Ga和In元素的EDS分布图。

  在材料构筑过程中，研究团队首先获得稳定分散的 TA/LM 纳米复合物，随后将其引入由氯化胆碱、尿素和丙烯酸组成的 PDES 前驱体系，并通过原位聚合形成导电共晶水凝胶。显微结构显示，液态金属颗粒均匀嵌入致密网络；FTIR、拉曼及 XPS 表征进一步证实了单宁酸介导的配位作用和氢键耦合。该多重动态相互作用使液态金属导电域、PDES 离子微环境及聚合物网络形成协同稳定的复合结构。

图2. TA/LM@ PDES 共晶水凝胶的制备与表征。(a) TA/LM@PDES共晶水凝胶聚合过程示意图。(b) TA/LM@PDES共晶水凝胶的SEM图像。(c，d) LM、TA/LM、TA/PDES共晶水凝胶及TA/LM@ PDES共晶水凝胶的FTIR谱图。(e) LM@PDES共晶水凝胶与TA/LM@PDES共晶水凝胶的拉曼光谱。(f) TA/LM@PDES共晶水凝胶的XPS全谱图；(g) TA/PDES共晶水凝胶和(h) TA/LM@PDES共晶水凝胶的C 1s高分辨率XPS谱图。

  通过调节TA/LM分散液含量，研究团队实现了材料力学性能与导电性能的协同平衡。优化后的TA/LM@PDES共晶水凝胶具有约430%的伸长率和1.4 S m^-1的电导率，并可在?20-60 °C的宽温度范围内保持稳定力学响应。得益于动态界面作用与可重构网络，材料在损伤后可恢复其力学完整性和导电通路，为复杂环境下的长期柔性传感提供了材料基础。

图3. TA/LM@PDES共晶水凝胶的力学性能与自修复特性。(a) 不同液态金属含量的TA@ PDES 共晶水凝胶及TA/LM@PDES共晶水凝胶的应力-应变曲线。(b) 不同液态金属含量的TA@PDES共晶水凝胶及TA/LM@PDES共晶水凝胶的杨氏模量与韧性。(c) TA/LM@ PDES 导电共晶水凝胶在不同应变水平（10%、30%、50%、70%和100%）下的应力-应变曲线。(d) TA/LM@PDES共晶水凝胶在100%应变下的循环加载与卸载曲线。(e) TA/LM@PDES共晶水凝胶在不同温度（-20°C、0°C、25°C和60°C）下的应力-应变曲线。(f) 原始TA/LM@PDES共晶水凝胶与自修复型TA/LM@PDES共晶水凝胶在不同修复时间下的应力-应变曲线。(g) TA/LM@PDES共晶水凝胶在不同修复时间下应力、应变及韧性的修复效果。(h) 共晶水凝胶自修复机制示意图。(i)不同状态下（初始状态、拉伸状态、切割状态及修复后状态）共晶水凝胶与LED灯串联组成的接触电路。

  该器件在0-400%应变范围内呈现连续、可分辨的电阻响应，加载-卸载曲线线性度约为0.98，滞后仅约1.7%。在50%应变下静置2.7 h后，最大漂移误差约为 6.7%。经3000次循环拉伸后仍保持稳定输出。器件还可可靠识别膝、腕、手指及肘部等不同关节角度的运动，为高保真动作采集提供了稳定前端信号。

图4. TA/LM@ PDES 共晶水凝胶的传感特性。(a) TA/LM@PDES共晶水凝胶传感器结构示意图。(b) 传感器在较大应变范围内（0%–400%）的相对电阻变化。(c)传感器在400%加载-卸载应变下的相对电阻变化拟合度（线性度为0.98，迟滞性为1.7）。(d)传感器在50%应变下静置2.7小时时的电阻响应，最大漂移误差为6.7%。(e)静态与动态加载组合条件下的传感器电阻响应：在60%应变下静置120秒，并叠加60%的循环加载-卸载动态载荷。(f)传感器在10%应变梯度下加载与卸载时的电阻响应。(g)传感器在不同温度（-20°C、0°C和60°C）下进行100%应变循环加载-卸载时的电阻响应。（h–j）传感器在膝关节弯曲、腕关节弯曲及肘关节弯曲（角度分别为30°、60°和90°）时的相对电阻响应曲线。

  基于低滞后共晶水凝胶传感器，研究团队将多个传感单元集成于手套指关节区域，并结合ESP32实现多通道信号采集、处理和无线传输。不同字母手势在各传感通道中呈现可区分的时序电阻特征，为后续智能分类提供了高质量数据基础。借助机器学习算法，系统实现了97.4%的手势分类准确率，并可将佩戴者的手部动作实时映射至机械手，实现稳定的人机协同控制与手语识别。

图5. 基于TA/LM@ PDES 共晶水凝胶的传感手套，通过机器学习算法增强功能，用于机器人手部控制和手语识别。(a) 控制机器人手进行手势识别与手语训练的传感手套示意图。(b) 基于TA/LM@ PDES 共晶水凝胶的传感手套控制机械臂。(c) 不同字母手势动作产生的阻力信号显示。(d) 不同字母手势动作识别的混淆矩阵。(e) 不同手语动作产生的电阻信号变化趋势。

  除机械手控制外，该智能手套还被用于虚拟场景中的闭环交互。传感器将手部形变实时转换为电阻信号，经无线传输与算法解析后映射为角色移动、跳跃等控制指令；屏幕端的视觉反馈则帮助使用者即时调整动作幅度和节奏。随着训练轮数增加，系统对不同控制动作的识别能力显著提升，虚拟角色控制准确率达到99.7%，展示出其在游戏交互、康复训练和沉浸式人机界面中的应用潜力。

图6. TA/LM@PDES导电共晶水凝胶传感手套在游戏界面控制与反馈系统中的应用。(a)用于控制游戏界面的TA/LM@PDES导电共晶水凝胶传感手套示意图。(b)佩戴于手指上的传感手套在不同手指弯曲状态下控制游戏角色的物理结构示意图（拇指弯曲代表前进，中指弯曲代表后退，食指弯曲代表跳跃）。(c)显示与游戏角色运动轨迹相对应的手势动作所产生的电阻信号。（d–f）不同训练周期下、对应不同动作的手指弯曲状态所生成的混淆矩阵（d表示未训练；e表示训练20次；f表示训练200次）。

总结与展望

  该研究从液态金属界面稳定性出发，建立了单宁酸介导的动态耦合机制，将材料层面的导电网络稳定性转化为器件层面的超低滞后与高保真信号输出。由此构建的 TA/LM@PDES 共晶水凝胶传感器兼具大形变适应性、宽温稳定性、长期循环可靠性及智能系统可集成性。未来，该界面工程策略可进一步拓展至更高密度的多通道可穿戴传感阵列，并与低功耗边缘计算、个体化动作模型和闭环反馈算法结合，为手语辅助、虚拟交互、康复训练、软体机器人及具身智能系统提供更加稳定、自然且可扩展的柔性感知接口。

  论文链接：https://doi.org/10.1002/adfm.76947.

  下载：论文原文。