液态金属传感器与AI赋予义肢触觉：多指纹理识别99.2%准确率

人类指尖拥有3000+触觉受体主要响应压力。操纵物体高度依赖指尖感觉，上肢截肢者缺失此感觉面临独特挑战。现有灵巧义肢均缺“触觉”反馈，致物体意外滑落或捏碎。为实现更自然义肢手接口，研究者在义肢指尖集成液态金属拉伸触觉传感器。硅基弹性体封装提供高导电、顺应性、柔韧、拉伸性关键优势。分层多指触觉集成可为人工手提供更高智能。

研究者用义肢单独指尖区分不同纹理表面滑动速度。四纹理单变量：脊距。为检测纹理速度训练四机器学习算法。十表面各20次试验测试算法区分四纹理随机排列组合十复杂表面能力。结果显示：四指尖液态金属传感器触觉信息集成同时区分复杂多纹理表面，展示新型分层智能。机器学习算法各指高准确度区分所有速度。

团队比较四算法分类能力：K近邻(KNN)、支持向量机(SVM)、随机森林(RF)、神经网络(NN)。提取液态金属传感器时频特征训练测试算法。NN总体表现最佳：单指速度纹理检测最优，四指四液态金属传感器同时区分十复杂多纹理表面达99.2%准确率。