器。他们将电传感器与机器学习算法相结合，创造出一种能够感受和区分不同表面纹理的设备。该设备可用于虚拟现实，机器人和医疗修复。

据该团队称，机器已经可以识别和复制与人类语言和视觉相关的模式。然而，触摸模仿更复杂，因为它依赖于皮肤中的机械感受器，当触摸不同的表面时，感应到压力和振动的微小变化。

当膜变形时，该装置检测通过石墨烯膜的电导率和电阻的变化。应变增加了薄膜中各个薄片之间的物理接触，这增加了通过装置的电导率。石墨烯薄膜仅在1-2ms内响应变形，据说比任何其他压阻材料快得多。石墨烯的自然弹性是这种速度的原因，可与人体接触大脑的触摸信号相媲美。

该团队解释说，大多数触觉传感器通过测量结构变形的强度来检测触摸事件。这意味着它们本质上不是真正的触觉传感器，因为这种传感器本身并不能感知表面纹理。相比之下，韩国研究团队将石墨烯薄膜结合到人造指纹结构上，因此薄膜对指纹上的脊部与纹理表面摩擦所引起的微小振动作出反应。分析这些振动信号允许传感器“感觉”不同纹理的织物。

来自美国加利福尼亚大学圣地亚哥分校的Darren Lipomi也致力于触觉传感，他表示，“很少有电子皮肤可以达到人体对表面纹理的敏感性。” 他赞赏来自韩国的团队如何采用机器学习算法，以便他们的传感器可以“按照我们自己的方式 - 在我们的脑中自动分类纹理”。

机器学习算法从传感器收集电导和电阻信息，并使用它来定义与不同表面纹理类型相关的特定特征。在了解了已知面料的特征后，该传感器能够推断出这一知识，并在对12种新面料进行分类时显着优于人类 - 得分为99％，相比之下，50人的盲测为58％。该团队故意选择面料来突出传感器的灵敏度 - 纺织品表面可能非常脆弱，人类并不总是能够区分它们。