Haptic in-sensor computing device made of carbon nanotube-polydimethylsiloxane nanocomposites

这项研究成功地利用犧牲模板法制备了一种具有分层结构的触觉传感器，使用碳纳米管聚二甲基硅氧烷（CNTs-PDMS）纳米复合材料，用于传感器计算应用。通过改变CNTs的数量，获得了具有不同灵敏度的CNTs-PDMS纳米复合材料传感器。我们将输入刺激转化为高维信息，为CNTs-PDMS纳米复合材料应用开辟了新的道路，并通过应用储水池计算范式将其作为传感器计算设备应用于机器人手上。从传感器获得的非线性输出数据经过线性回归训练，可以用于识别日常生活中使用的九种不同物品，每种物品的物体识别准确率均>80%。这种方法可以在减少计算成本的同时，使机器人具有触觉感。

论文旨在通过制备具有分层结构的触觉传感器，利用碳纳米管聚二甲基硅氧烷（CNTs-PDMS）纳米复合材料，解决机器人触觉感知和计算成本高的问题。

通过牺牲模板法制备CNTs-PDMS纳米复合材料，利用不同敏感度的CNTs制备出不同敏感度的CNTs-PDMS纳米复合材料传感器，将输入刺激转化为更高维的信息，使用储层计算范式将其应用于机器人手的触觉感知和计算，实现了对日常生活中9种不同物体的分类识别，同时降低了计算成本。

该研究通过制备具有分层结构的触觉传感器，成功实现了机器人的触觉感知和计算成本降低。实验使用了不同敏感度的CNTs制备出不同敏感度的CNTs-PDMS纳米复合材料传感器，并使用储层计算范式将其应用于机器人手的触觉感知和计算。实验结果表明，该方法能够对日常生活中的9种不同物体进行分类识别，识别准确率超过80%。该研究为机器人的触觉感知和计算提供了新的思路。

近期在该领域的相关研究还包括： 1. 'A flexible and highly sensitive capacitive tactile sensor based on a PDMS-carbon nanotube composite'； 2. 'Stretchable and highly sensitive graphene-on-polymer strain sensors'； 3. 'A review on tactile sensing technology with emphasis on piezoresistive sensors'。