近日，新国大广州创新研究院 PI（学术带头人）、新加坡国立大学材料科学与工程系郑志强（Benjamin Tee）教授联合团队研发出一款名为 ME-SOFS 的纯机械柔性力传感器。这套设备彻底摆脱电路板、供电电源与运算芯片，仅凭机械流体结构就能感知触碰并直接驱动机器人做出动作，让软体机器人拥有类似人体本能反射的感知响应能力，相关研究成果已于2026年7月8日正式发表在国际顶刊《Science Advances》。

该论文通讯作者为材料科学与工程系郑志强教授与机械工程系塞西莉亚·拉斯基教授（Prof. Cecilia Laschi），共同第一作者为材料科学与工程系博士研究员鱼珂露。

从右到左：郑志强教授、鱼珂露博士、塞西莉亚·拉斯基教授

极端环境稳定运行

灵敏度可自由调节适配各类场景

这款传感器最核心的突破，是搭建了一套完全无源的 “感知-驱动” 闭环：外力带来的压力能够直接转化为流体动力，全程无需电子元件参与信号转换，也不用外接能源供电。

它的环境耐受能力远超市面上常规电子传感器：在90℃高温热水，相当于11米水深的高压水环境中，传感性能始终稳定；同时完全不受电磁干扰影响，不会出现电子器件短路、失灵等问题。

传感器灵敏度支持大范围自定义调整，仅需修改3D打印模型中的几何参数，如泡沫基底孔径、斜面厚度、倾斜角度，便可轻松调节不同结构方案的灵敏度，还能按需更换尺寸、材质与多孔结构，适配各行各业的使用需求。

依托这项技术打造的软体机器人整体结构大幅简化，可进驻高温管道检修、深海探测等电子设备难以正常工作的严苛场景，在医疗实训、智能假肢、人机远程交互等领域具备巨大落地价值。

复刻生物神经反射

纯机械流体结构如何实现触觉感知？

当下软体机器人机身越来越柔软灵活，但配套的感知硬件反而笨重、耗电、造价高昂。如果搭载传统电子传感设备开展深海勘探，整套传感器、电路、驱动装置不仅加重机身负担，还会大幅增加故障点位。潮湿、高温、高压环境更是电子元件的“致命短板”。

郑志强教授与塞西莉亚·拉斯基教授联合团队从自然界生物身上找到设计灵感：生物依靠以流体为核心的细胞完成全身触觉感知，研究人员由此设想，流体通道是否可以同时兼顾触觉感知与力度反馈，彻底抛弃传统电子电路方案。

ME-SOFS整体采用一体3D打印成型的柔性多孔材质，核心是一根可灵活倾斜的中心软柱，周边连通五处密封储液腔体，四腔横向排布、一腔竖向排布。整套运转流程不存在任何电子信号转换步骤，物体按压中心立柱，立柱顺着受力方向发生倾斜，挤压对应腔体，腔内液体顺着柔性软管流向末端执行部件，直接带动机械产生动作。五个腔体独立感应受力，传感器能够同步分辨水平、侧向、垂直三个维度的作用力。

设备内部还集成无源感应回路，在机械运作的同时生成可读取的受力数据：流体推动软管内微型磁铁划过3D打印合金弧形线圈，依靠法拉第电磁感应原理生成电压脉冲。脉冲数量对应液体位移幅度，也就是外力轻重，全程无需通电就能量化抓取力度。

整套机械结构耐用性、容错性极强，塞西莉亚·拉斯基教授表示，该设计完美类比生物神经系统，不靠额外控制系统就能实现感知与运动联动，这种 “嵌入躯体的机械智能” 也就是具身智能，在自然界各类生物中普遍存在。而ME-SOFS这套全新架构，也为软体机器人的本体智能发展开辟了全新技术路线，让机器人像人类一样产生条件反射式即时响应。

多场景实测验证

假肢、远程操控、便携医疗设备均可落地

为验证传感器的通用性，该科研团队将ME-SOFS搭载在多款机器人样机中完成实操测试，采用单一材料、一次性连续3D打印工艺，全程无需人工组装，直接做出柔性传感手套，五根指尖各集成一枚1立方厘米大小的微型ME-SOFS单元。

佩戴手套后，设备能实时捕捉每根手指的抓握力度，精准估算手中物品重量，是智能假肢、人机交互设备的理想核心配件。

研究人员还搭配指尖柔性触觉垫搭建出远程操控触觉反馈系统：测试者全程蒙住双眼，仅凭触觉反馈就能操控机械臂抓取物品。机械夹爪感受到的夹持力会通过流体压力实时传递到指尖软垫，操作者能清晰区分抓取鸡蛋、木块、半瓶矿泉水时力度的细微差别。

设备可完整记录标准抓取动作的流体信号，回放数据即可训练机器人自主复刻整套操作；流体管道传输信号延迟极低，3米管路仅30毫秒延迟，15米管路也只有160毫秒，满足高精度远程触觉操控需求。

同一套流体传感驱动系统，还能脱离软件程序操控微量液滴定向移动，适配便携式体外医疗检测设备。此外，该系统也能驱动类似毛发的柔性结构，这些结构可以根据所检测到的力的方向和强度发生弯曲。

极端工况专项测试中，ME-SOFS独有的开放式流体通道可自动平衡外界水压，只会识别物体触碰带来的有效作用力，而不受环境条件的影响。深水探测、高温工业管道检修等电子传感器难以胜任的场景，这款纯机械传感器都能长期稳定运行。

这套无源流体触觉闭环大幅降低了人机教学门槛，操作人员能依靠触觉直观、自然地训练机器，未来有望革新工业实训、远程作业、虚拟现实交互的触觉体验。

接下来郑志强教授与塞西莉亚·拉斯基教授联合团队会持续深挖技术潜力，一方面推进传感器极致小型化，另一方面拓展设备驱动力度上限，持续匹配多元化落地应用场景。

当感知、反馈、执行全部依靠机械流体自然完成，机器人不再依赖复杂芯片下发指令，机器自身的躯体，也将成为智能的载体。

信息来源：

https://cde.nus.edu.sg/news/soft-sensor-developed-by-nus-cde-researchers-turns-touch-into-robotic-action-without-electronics/