浙大杨赓团队AS：主动学习加速触觉传感器设计

受人类皮肤机械感受器启发，柔性压力传感器在机器人触觉、生物监测等领域应用广泛，但传统“试错法”开发效率低，难以平衡灵敏度、线性度和量程。浙江大学杨赓团队提出一种主动学习加速的触觉传感器定制方法，旨在实现多目标逆向设计。该方法通过集成基于支持向量机的预筛选与双阶段主动学习建模，仅需90个传感器数据即可预测0-400 kPa全量程的压力-电压响应；结合多目标优化算法，开发出实时按需推荐帕累托最优微结构的软件。所制备传感器具备高灵敏度（1.2 V/kPa）、高线性度（R²=0.999）和宽检测范围（0-400 kPa），并在脉搏监测、材料识别和机器人抓取中表现优异。结论表明，该方法首次在0-400 kPa全量程内实现连续线性响应，消除非线性过渡区，并在多种材料上展现出通用性。可解释机器学习揭示了微结构与性能的内在关联，为柔性传感器智能化设计建立了通用范式，有望加速下一代机器人感知系统发展。