电子皮肤为什么不能一行一行地读

把触觉铺满机器人全身，卡住的通常不是传感器本身。单点灵敏度和柔性封装这几年进步很快，真正拖住规模化的是读出：单元数一多，逐行扫描的时间就被拉长，串扰跟着上来，带宽也不够用。业界最近的三条路线，改的都是这个环节。

人手上有大约二十三万个机械感受器，分布在接近两平方米的皮肤上，信号处理的精度在毫秒量级。这个数字常被拿来说明目标有多高，但更值得注意的是它是怎么被读出来的。传入神经纤维不是一根一根轮询的，大量感受器并行汇聚到数量少得多的传入纤维上，脊髓先做一轮反射性处理，大脑拿到的已经是压缩过的信息。

人工的触觉阵列，绝大多数还在用相反的方式：一行一行地扫。

串行扫描的算术

逐行扫描之所以成为默认方案，是因为它简单，而且天然避开串扰。同一时刻只有一个单元在被测量，邻道的信号不会通过寄生电容漏进来。代价是时间。

算一笔账。假设每个通道的建立加转换为十微秒，这对十六位、高阻的柔性传感器已经是偏乐观的估计。一个六十四乘六十四的阵列，六十四行乘六十四列逐点扫，一帧就是四十一毫秒，折算二十四帧每秒。这个帧率抓静态压力够用，抓滑动起始、抓碰撞瞬间不够。

再往上放大。南科大郭传飞团队在 Nature Machine Intelligence 上报道的离子皮肤做到了每平方厘米一千一百一十个单元，总单元数过万。按这个密度铺满一百平方厘米，也就是两条前臂的量级，单元数是十一万，串行扫一帧要一点一一秒；再放大到一平方米，单元数到一千一百万，一帧要一百一十二秒。

对比一下人手的指标：机械感受器到传入纤维的读出率在三十到二百五十赫兹，最低那一档也意味着四毫秒一帧；指尖的密度是一百四十一每平方厘米，手掌二十五每平方厘米。人工阵列在密度上已经追上甚至超过指尖，在帧率上差了两个数量级。

这不是器件问题，是架构问题。

图 1　逐行扫描的帧率随单元数线性下降：一千一百单元每平方厘米的密度下，面积越大帧率越低（依据原文数据推算绘制）

串扰是被迫付的代价

如果只是慢，加大并行度就能解决。麻烦在于并行会带来串扰。

柔性压阻或电容阵列里，相邻单元共用行列电极，电极之间的寄生电容在交流激励下形成耦合通道。测一个单元时，邻道的变化会叠加进来。这个误差不是随机噪声，它跟压力分布的形状相关，标定不掉。

工程上用零电位法压制：用运放和反馈回路把每一列电极钳在零电位，让列与列之间没有电位差，寄生电容上就没有位移电流。改进的零位法在这条路上做得更彻底，有团队用四百五十五单元每平方厘米的阵列，配合零位法把空间分辨率做到零点五毫米，整机成本压到二十四美元。

效果是实打实的：采用零电位读出的离子皮肤阵列，串扰可以做到百分之零点一，定义是邻元响应幅度与目标元响应幅度之比。

代价是每一列都要一套运放和反馈网络。单元越多，模拟前端的面积和功耗涨得越快，最后还是撞到同一堵墙。

路线一：给每个单元一个频率

第一条绕开扫描的思路，是把位置信息放到频域里。

既然串行读的问题在于"同一时刻只能读一个"，那就让所有单元同时说话，用频率区分它们是谁。每个传感单元配一个特征频率，全部并到一条公共通道上，后端做快速傅里叶变换把各路解调出来。这在通信里就是频分复用，搬到触觉阵列上，位置编码不再依赖扫描顺序。

公开报道里，这条路线已经在两个量级上跑通。一篇发表在 npj Flexible Electronics 的工作（FC-AIMS）用频率编码的多路复用架构，做到十六位分辨率、约九十三帧每秒的并行读出，串扰压到百分之零点一。南科大的 NI-skin 把单元数推到一万以上、密度一千一百一十每平方厘米，整帧速率一百帧每秒，并且能分辨三百微米尺度的表面纹理。

还有一层设计值得单独说：分层汇聚。所有单元并行传输，数据量会直接压垮机器人的主控。这套架构在皮肤这一层先做编码，第二层做汇聚压缩，带宽降下数百倍，只有压缩后的信息进到认知层。这跟外周神经系统的分工是一个思路：大量感受器汇聚到少量传入纤维，先做反射，再上报。

代价在两处。每一颗单元都要有振荡或调制能力，微型控制器要贴到每个像素上，面积和功耗是硬约束；频率资源也不是无限的，通道间隔要留够，否则解调时互相污染。

图 2　频分编码读出：每个单元分配特征频率，公共通道并行传输，后端 FFT 解调（依据原文架构绘制）

路线二：一条线读出整张阵列

第二条路更激进，把输出线压到一根。

约翰霍普金斯大学的一篇预印本提出了单像素触觉皮肤（SPTS）的做法：每个传感单元带一颗微型控制器，按一组动态权重把模拟信号叠加到全局求和节点上，等于在硬件层面做分布式压缩采样。整张阵列只需要几根输入线和一根输出线，测到的不是一个一个像素，而是一组线性投影，再靠重构算法把图像解出来。

结果是这样的：等效帧率三千五百帧每秒，一次八毫秒的抛射物撞击被拆成二十三帧完整记录；做接触定位只需要百分之七的总数据量，后续可以逐步精化到高保真图像。

这种方法的价值在于它承认了一件事：机器人在大多数时刻并不需要整张触觉图。抓握是否稳定、有没有滑动、接触点在哪，这几个判断用很少的测量就能做出来。把"先采全再算"改成"按需精化"，测量量和信息量就对齐了。

代价是它依赖稀疏性假设。压缩采样的重构质量跟信号的稀疏度直接相关，如果整片皮肤同时受压，投影数不够，重构就会糊。另外重构本身要算力，这部分开销从模拟前端搬到了后端，只是换了个地方付。

路线三：把热源分散，把读出分层

第三条不是新架构，是对前两条的补充。

任何并行读出的方案，最后都受两个物理量约束：线束和散热。单元越多，走线越密，柔性基板上的金属层数上去了，弯折可靠性就下来；同时读出电路本身在发热，贴在皮肤上的东西发热是会被人感觉到的。

已经公开的做法是把读出电路分成两级。第一级贴在传感层背面，只做阻抗变换和驱动，把高阻信号变成低阻；第二级退到手腕或躯干，做模数转换和打包。中间走差分对，抗干扰。这样柔性段上只有最少的器件，热和走线都集中在可以散热的位置。

选型时该看什么

如果要做一台覆盖全身的机器人，选触觉方案时值得按这几个顺序问：

先问帧率是在多大面积上测出来的。单指尖的阵列做到一千赫兹不稀奇，铺到整条手臂还能保持多少，才是关键数字。

再问串扰的定义。有的标称值给的是相邻单元的直流串扰，有的是动态加载下的峰值串扰，两者能差一个数量级。

然后问接口。一根输出线、几根电源线，和一百二十八根并行线，对布线、连接器、走线柔性的要求完全不同。整机能不能装配，往往由这个数字决定。

最后问失效模式。触觉阵列贴在外部，磕碰、汗液、弯折都是常态。单点失效会不会拖垮整行，控制器的地址能不能被重新映射，这些在数据手册上通常不写，但它决定了维护成本。

一句话

电子皮肤的门槛已经从"能不能做出灵敏的单元"移到"能不能把几万个单元的信号按时读出来"。逐行扫描不是错，它只是把复杂度留在了时间轴上；频分编码和压缩采样是把复杂度挪到了模拟前端和重构算力上。三种做法都在付账，区别只是账单记在哪个环节。

内容来源：npj Flexible Electronics（开放获取，CC BY）、arXiv 开放获取预印本、Measurement（开放获取）；Nature Machine Intelligence 论文数据引自公开摘要与公开报道

原文标题：Artificial skin with brain-like wiring；Ultrafast readout, crosstalk suppression iontronic array enabled by frequency-coding architecture；Single-Pixel Tactile Skin via Compressive Sampling；High-resolution, high-speed and low-cost flexible tactile sensor array system

作者：Chuan Fei Guo 团队（南方科技大学）等；A. Slepyan, L. Xing, R. Zhang, N. Thakor（约翰霍普金斯大学）；X. Hu 等

链接：arxiv.org/abs/2511.16898；nature.com/articles/s41528-024-00295-2；doi.org/10.1016/j.measurement.2024.115630

配图说明：图 1、图 2 依据上述原文的架构描述与公开数据自行绘制，为原理示意，非原文原图复制

改动声明：本文是对开放获取文献的技术编译与解读，用于中文技术传播；文中数据均取自原文，标题、行文与配图为原创

来源：21ic电子网