人类手部的不同部位触觉敏感度差异很大，因此在虚拟现实技术中，科学家需要找到通用方法将手部触觉信息根据不同的敏感度特征进行编码，从而反馈出虚拟手部触觉的真实信息。
目前，在虚拟现实技术中普遍使用的触觉手套系统体积庞大、刚性强，通常受到各种管线的束缚，使用上极不自由，且对于不同敏感程度适配性不佳，难以准确反馈出触觉信息。因此，解决手部触觉信息反馈中的系统轻薄无线化与参数个性化的问题是相关技术发展过程中重要的一环。
图 | 于欣格（来源：资料图）
为此，研究者推出一款用触觉信息编码的无线轻薄电触觉反馈系统（WeTac，Wireless Electrotactile System）。该系统具有超薄、柔软和小型化的特性，可将压力信息以电流脉冲的形式编码之后直接传递到手上。
然后，系统通过激活手部每个位置的触觉感受器及传入神经，在整个手掌以及手指上产生适当强度的虚拟触觉感受，并能避免引起疼痛。
（来源：Nature Machine Intelligence）
近日，相关论文以《皮肤集成的无线触觉界面用于手部触觉信息编码》（Encoding of tactile information in hand via skin-integrated wireless haptic interface）为题发表于 Nature Machine Intelligence 上[1]。
通讯作者为香港城市大学生物医学工程系于欣格副教授、王立代副教授、机械工程系李文荣教授和电子科技大学光电科学与工程学院于军胜教授。于欣格副教授是本项目负责人，其课题组在读博士生姚宽明为本文的第一作者。
（来源：Nature Machine Intelligence）
WeTac 系统实现从使用到充电的无线化，具有更强的普适性及安全性
论文中提到，WeTac 系统运用超薄柔性皮肤电子技术，由微型柔性电子控制单元和超薄手掌电极阵列贴片组合而成，具有平均 1.8 像素/平方英寸的高空间分辨率，电极之间的平均中心距离约为 13 毫米，能够全方位覆盖从手指尖到整个手掌的各个部分。
图 | WeTac 系统示意图（来源：Nature Machine Intelligence）
在实际使用过程中，WeTac 可以直接贴合于用户手掌的皮肤界面，且能够适应皮肤的拉伸、弯曲等形变，并借此减小为手部带来的负荷感和异物感，不影响现实中的真实触觉和自由活动。
图 | WeTac 系统特性和指尖反馈结果（来源：Nature Machine Intelligence）
研究者通过集成微型控制单元，对系统中的高压产生、波形调制、多路复用以及电流监测与控制等功能电路模块进行大幅简化与高度集成化设计。相较于普通电触觉反馈系统电路，WeTac 控制单元系统的尺寸得以大幅缩小（仅为 5cm×5cm×4mm）。系统由锂离子电池供电，无需使用外部大型电源供电，从而可以省去电路连接的操作。
除此之外，该系统还能够通过蓝牙无线连接到智能移动设备上，使用户能够对其进行实时控制。系统具备适配商用无线充电设备的功能，免除多余的线缆束缚，实现从使用到充电的完全无线化，为用户带来更便捷的使用体验。
因此，该系统在重量、尺寸、可穿戴性、设备灵活性、独立性、电极覆盖范围等许多技术方面都是先进的。
图 | 不同人群手部阈值表征结果（来源：Nature Machine Intelligence）
手部不同位置的电触觉阈值特征并不一样，实验证明 WeTac 可以对用户手部全覆盖面积的阈值信息进行快速高效的测试与校准，并针对个人的敏感程度情况个性化地调整刺激强度，具有更加广泛的用户普适性以及安全性。
具体来讲，为了保护用户免受电击，研究人员设计了几个内置的安全措施。当设备戴在身上持续工作时，其温度能够保持在一个相对较低的范围内（27-35.5℃），不会使用户产生任何不适。
WeTac 实现与不同系统结合，有望应用于远程社交
在实际应用中，研究者通过实验证明可以将 WeTac 系统与 VR 环境、AR 游戏与机器人等系统结合。系统能够通过无线通讯实时、低延迟地将虚拟世界中（或者机器人手上）的触觉感受时空信息以及强度信息准确、有效反馈到用户手上。
图 | WeTac 系统的应用（来源：Nature Machine Intelligence）
例如，研究者尝试通过 WeTac 系统提供的触觉反馈信息在 AR 场景中重现缓慢抓取网球的触觉信息。结果表明，精确模拟施加在整个手部的压力是可行的。
除了 VR 和 AR 游戏外，WeTac 带来的触觉体验也同样有望应用于远程社交、教育、医疗等活动中。例如，视频通话中感受对方的触摸，在线学习中对姿势进行矫正，精细控制手术机器人的力度，让残疾人从义肢上获取触觉感受等。
未来，触觉界面会具有更密集与高通道数的电极阵列，将能够为用户带来层次更加丰富与真实的虚拟触感。
参考资料：
1.Kuanming Yao, Jingkun Zhou, Qingyun Huang, Mengge Wu, Chun Ki Yiu, Jian Li, Xingcan Huang.et al.Nature Machine Intelligence(2022).https://www.nature.com/articles/s42256-022-00543-y
责任编辑：