论文导读
新加坡国立大学、加州大学伯克利分校、香港城市大学等机构提出MagCilia，把柔性磁性纤毛和霍尔传感器组合成紧凑触觉单元。它能重建三个方向的接触力，还用扫描时的受力变化区分六类表面，按采集会话分组的离线验证准确率99.39%。同一个单元同时为夹爪提供力度反馈和表面识别信息。柔性纤毛受力时改变磁场，底部传感器读出变化，把接触转成机器人能够使用的信号。扫描材料时产生的动态受力信号也被用于分类。
磁性纤毛弯曲，传感器读出变化
机器人夹住物体时，接触力不只沿一个方向。物体向下压、侧向拖动或斜着施力，会让柔性结构出现不同变形。只有一个“接触了没有”的信号，无法充分描述这些变化。
MagCilia的外层是柔性磁性纤毛，下方布置缓冲层、读出电路和外壳。纤毛受力弯曲后，霍尔传感器读取磁场变化，再由模型估计三向接触力。
研究团队先用有限元分析检查不同方向加载带来的变形和磁响应。实际读数中，几个磁场通道受力后相互耦合，不能简单把每个通道分别当成一个方向的力。
图：磁性纤毛传感器实物及分层结构（Figure 1）。
当前读数加近期变化，重建三向受力
回归方法结合当前磁场和近期磁场变化，利用短时间历史判断接触状态。模型只使用当前与过去的信息，不提前读取未来样本，便于接到实时反馈流程中。
校准数据按采集记录分组进行五折交叉验证。三个方向的均方根误差分别为0.40、0.57和0.69牛顿，对应拟合优度0.93、0.90和0.92。分组方式让同一段连续记录不会被随意拆散到训练和评价两边。
这些误差评价的是接触力重建，不是夹爪完成任务的成功率。不同方向误差也不完全相同，部署时需要按具体操作所关心的受力方向判断信号是否够用。
图：当前磁场与历史变化输入的测力模型（Figure 5）。
外力拉扯夹爪，触觉反馈参与调整
机器人实验展示了物体被加载、移除和扰动时的三向受力变化。系统根据切向力调整夹爪开口，接触反馈于是进入控制逻辑，而不只停留在离线曲线。
逐步加载与横向、纵向扰动提供了不同检查条件。照片说明何时对物体施力，时间曲线对应这些动作产生的变化；这种对照能核对信号是否跟随实际接触，而不是仅看回归分数。
在表面识别实验中，机器人移动传感器扫描材料，提取重建力信号中的不同频段特征。六类表面按采集会话分组三折评价，分类准确率99.39%；在线展示也识别了所测试的六类表面。
图：机器人表面扫描、识别流程与六类混淆矩阵（Figure 11）。
离线数字覆盖限定类别与采集设置，不能扩大成任意材质都能识别。扫描速度、接触条件和更多样的表面是否保持同样表现，需要新增数据验证。
未来应用：增加阵列，进一步定位接触位置
作者计划优化磁性复合材料和纤毛几何，并整合霍尔传感器阵列，提高力重建准确性与空间分辨率。当前单元证明同一组信号可以用于测力和识别表面，阵列则需要进一步检查不同位置的接触如何被区分。
夹持任务和扫描任务的需求并不一样：前者关心负载与滑动变化，后者利用持续扫描的动态信号。后续可以沿这两种用途分别增加接触方向、物体形状和表面类别测试，让控制反馈与材料识别都有独立的实机证据。
参考资料
https://arxiv.org/abs/2610.09536
