研究背景：
人与外界的互动是一个多层次、多维度的过程，体感在其中起着至关重要的作用。体感是人类感知系统的一部分，需要感官的参与，使个体能够感知、理解和响应周围环境。在所有的体感类型中，触觉被认为是最重要的，因为它直接而密切地将人与外界环境联系起来，不仅使人能够获取有价值的信息，还使人能够有效、安全地进行社会交往。在此背景下，仿生触觉传感技术的概念应运而生，旨在实现与人类相当甚至超越人类的触觉感知。为了实现这一目标，研究人员致力于开发结构灵活、灵敏度高、功能多样的触觉传感器，以模仿人类皮肤的复杂结构和触觉感知机制。到目前为止，触觉传感领域已经取得了重大进展，成功实现了对不同力、方向、形状、材料和表面纹理的感知。除了触觉传感技术外，研究人员还致力于开发无需物理接触即可获得物体存在、接近度和特性的技术，即提前对环境中的未知物体做出反应的非接触式传感技术，也称为接近传感技术。通过建立与触摸不同的传感维度，接近传感技术避免了频繁的物理接触，从而最大程度地减少了设备的机械磨损。近年来，人们开发了各种类型的接近传感器，包括红外传感器、超声波传感器、振动传感器、磁传感器和摩擦电传感器。其中，红外接近传感器需要笨重且昂贵的监测仪器，并且容易受到光干扰。超声波和振动接近传感器虽然在一定程度上弥补了红外线的缺陷，但超声波传感器对小物体的检测不够精确，在吸音材料周围性能容易受到影响；而振动传感器则容易受到环境噪声和其他振动源的干扰，使其不适合需要高精度测量的应用。相比之下，磁接近传感器具有不依赖昂贵而复杂的仪器、操作简单、使用寿命更长等显著优势。然而它们也不可避免的存在一定的缺点，特别是对非金属物体的检测能力较弱，在强磁场环境中易受干扰。近年来，摩擦纳米发电机在非接触传感领域得到了广泛的应用，即摩擦电接近传感器，其因自供电、器件材料和结构选择范围广泛等优势受到了研究者的密切关注。然而该类传感器需要特定的湿度和温度条件才能发挥最佳性能，一定程度上限制了其在各类场景中的适用性。相比于前述接近传感技术，基于边缘效应的电容式接近传感器（FE-CPS）因具有成本低、功耗低、对温湿度不敏感、传感范围广、适用于各类场景、结构设计灵活等特点，正在逐渐兴起。
研究成果：
随着对电容式接近传感技术的不断深入探索，研究人员在开发多种结构类型的器件的同时，也积极探索提升性能的潜在机制。尽管FE-CPS的研究尚处于起步阶段，但已展现出广泛的潜在应用前景，拥有巨大的研究空间和前景。然而，目前对FE-CPS的系统综述较少，对其优越性和特点的深入探讨也相对有限。近日，济南大学牛闳森副教授、高嵩教授/山东大学李阳教授/北理工沈国震教授在Advanced Functional Materials上发表了题为“Fringing-Effect-Based Capacitive Proximity Sensors”的综述文章(DOI: 10.1002/adfm.202409820)。本综述全面介绍了FE-CPS的典型结构和工作原理，总结了多种改进结构和优化性能的方法，并回顾了FE-CPS在智能系统领域的应用进展。最后，我们探讨了FE-CPS可能面临的挑战和潜在机遇，展望了其在下一代人工智能（AI）中的未来发展。济南大学牛闳森副教授和山东大学李浩博士为共同第一作者，济南大学高嵩教授、山东大学李阳教授、北理工沈国震教授为共同通讯作者。
总结与展望：
FE-CPS是一种基于边缘电场变化(边缘效应)的接近传感技术，其无需直接接触，通过扰动周围电场线来感知目标物体的接近。FE-CPS因其成本低、功耗低、感知范围广、结构设计灵活等优势，在非接触传感领域受到了广泛关注。本文概述了FE-CPS的最新进展，详细阐述了其工作机理，提出了不同结构类型(平行板结构和共面电极结构)和性能优化策略(环/盘状电极、螺旋电极和迷宫电极)的FE-CPS，并回顾了其在智能预警系统、智能控制系统、智能材料感知系统等应用场景。尽管FE-CPS在智能传感和人工智能领域有着广泛的应用，学术上也取得了长足的进步，但在性能优化、器件集成设计和智能系统应用方面仍存在相当大的挑战(图12)，特别是在以下方面：
（i）FE-CPS的性能优化主要通过改变电极结构来实现，如前所述。但电极尺寸、大小、形状等参数影响传感性能的具体机制尚未得到深入研究，尚未确定实现最佳传感性能的最佳电极结构。
潜在解决方案：利用COMSOL Multiphysics软件对不同的电极结构参数进行建模和仿真，以更深入地了解每个参数对传感性能的影响，从而确定优化的电极设计策略。
（ii）除了优化电极结构外，还应从其他方面制定接近传感性能的优化策略。
潜在解决方案：探索介电常数、厚度、尺寸、形貌等介电层参数的优化，并深入研究基于介电层的传感机制的相关解释。
(iii) FE-CPS中电容信号的采集和处理需要复杂的电路支持；对于FE-CPS中的微小距离传感，电容信号变化微小，易受噪声干扰。目前，简化FE-CPS采集处理电路和降低微小信号噪声的方法研究尚未深入开展。
潜在解决方案：开发专用集成电路芯片可以帮助简化电路；利用电容桥测量法（提高测量精度）、滤波算法（如卡尔曼滤波器、小波变换滤波器和高斯滤波器）以及屏蔽线连接可以进一步降低微小电容信号检测中的噪声干扰。
（iv）基于智能感知系统的应用研究相对肤浅，不够深入。虽然在材料感知方面取得了重大突破，但进一步融入机器人皮肤，真正媲美甚至超越人类的感知能力，仍需要深入探索。除了物质感知系统，还需要拓展到更广泛的应用场景，如手势识别系统、人机交互系统、感知-记忆-反馈闭环系统等。
潜在解决方案：未来的研究应关注FE-CPS、软件算法和硬件电路之间的关系，力争促进这些领域的协调发展和有机融合，这需要多学科和多领域的共同努力。
综上所述，我们重点关注FE-CPS的进展、挑战和未来前景，以及它在智能系统中的应用场景。随着柔性传感器和人工智能的发展，FE-CPS将成为一种极具前景的技术，可以在各种场景中得到广泛和大规模的应用。
