车规级芯片研发生产企业落户湖北武汉，AMD 自适应计算技术助力索尼半导体解决方案激光雷达汽车参考设计

传感新品

【西北工业大学：计算机辅助的超稳健软体机器人应变传感器】

柔性应变传感器对实现软体机器人运动感知和自主巡航至关重要。然而，软体机器人在复杂动态的工作环境中的连续变形对应变传感器的按需制造和长期稳健性带来了挑战。这需要精确的传感器建模以及传感器力-电耦合结构的可控制造。

该论文介绍了一种计算机辅助的传感器设计。研究人员采用环境稳定的单壁碳纳米管（SWNT）来制备应变传感器。通过激光辅助方法，精确制造传感器的微纳结构纹理，显示出高度可控的微裂纹生长行为和灵活可调的传感器特性。通过输入包括裂纹密度和微纳褶皱特征在内的传感器结构参数，建立相应的有限元分析（FEA）模型，模拟力-电双物理场演变，高精度地预测了不同传感器的传感曲线。实验结果表明，基于可控的裂纹生长和微纳褶皱特征，实现了传感器的良好稳健性。在此基础上，构建了软体机器人的自主感知和巡航系统。

研究背景和主要成果

软体机器人具有灵活的身体变形和出色的运动敏捷性，为其在非结构化环境中的动态任务提供了灵活、安全的交互。为了使软体机器人能够智能地和环境交互，需要在机器人身体结构中集成柔性应变传感器。它可以实时感知各种环境刺激，实现机器人本体运动和周围环境的灵敏感知，为机器人自主巡航奠定基础。然而，机器人的高自由度连续体变形和多模态运动对应变传感器的设计提出了巨大的挑战。一方面，为了满足具有不同运动行为或身体尺寸的软体机器人的差异化感知需求，亟需实现传感器性能的按需设计（灵敏度和线性工作窗口）。而这通常需要探索不同的设计原理和多次试错实验，耗时耗力，效率低下。另一种方法是开发传感器建模工具，利用数理统计或物理模拟，根据器件组成和形态对传感器特性进行模拟和优化。然而，这种方法面临着传统柔性应变传感器无法准确预测其结构动态演变的挑战。

另一方面，在当前软体机器人技术发展中，传感器的稳健性问题日益受到重视。当前的柔性应变传感器的稳定性测试往往局限于单调和重复的条件，无法复现软体机器人的真实复杂的工作环境。在实际应用中，软体机器人需要在多变且嘈杂的环境中运作，常面临着外力干扰和意外变形。这要求软体机器人的传感系统即使在间歇性工作和变频操作下也能保持稳定。然而，大部分传感器在动态监测中易受到材料或结构破坏的影响，进而导致信号失真和反馈能力下降。因此，开发能在复杂动态环境中保持高度鲁棒性的传感器，是推进软体机器人技术在实际应用的重要一环。

在此，西北工业大学黄维院士团队杨海涛教授和新加坡国立大学Ho Ghim Wei教授团队解决了软体机器人传感器的建模和稳定性难题。通过精准的激光加工技术和定制化的微裂纹纹理，实现了传感器特性的精确控制和建模。借助有限元分析模型，实现了传感器在复杂力学负载下响应曲线的模拟，确保了在极端条件下的长期稳定性。特别的，这些传感器在面对高达50%应变、10万次循环负载以及0-23 Hz的动态频率变化时，展现出了优异的鲁棒性。利用机器学习算法，这种传感系统被成功集成于软体机器人中，实现了精确的轨迹追踪（机器人轨迹预测误差<4%）和环境感知（地形高度感知误差<10%），显著提升了机器人的自主巡航能力。此项成果标志着软体机器人技术在本体感知和自主决策领域迈出了重要一步。

研究要点

要点1：作者开发了一种计算机辅助设计的传感器，建立了基于褶皱内可编程裂纹阵列（PCAM）的传感器力-电双物理场模型。这一模型能够在无需实验的情况下，通过输入结构参数ρ（裂纹密度）和φ（热收缩率）来准确预测传感器在不同应变下的电阻变化，与实验数据吻合良好。研究还发现，φ值的变化对SWNT层的杨氏模量有影响，当φ增大时，杨氏模量下降，这是由于微纳褶皱结构的变化所致。这些发现不仅验证了有限元工具在传感器性能预测中的有效性，还深入理解了传感器的设计原理，并证明了通过调整ρ和φ值来优化传感器性能的可能性。

要点2：作者研究了PCAM传感器在不间断机械变形下的稳健性，其中包括“拉伸→扭转→拉伸→弯曲→拉伸”组成的动态机械载荷序列。研究发现，相较于无微纳特征的平面传感器的大范围的信号波动，PCAM传感器在多次拉伸过程中保持稳定，具有一致的感测信号。此外，在动态工作频率范围内，PCAM传感器表现出稳定的传感响应，使其可广泛应用于软体机器人中。

要点3：作者将PCAM传感器成功集成到不同类型的软体机器人中，包括折纸机器人、气动机器人和微型机器人。这些传感器能在机器人变形后保持功能完整，实现多模态运动监测、表面识别和障碍物检测。通过探究传感信号与机器人动作状态之间的关联，研究者建立了一个智能传感器网络，并应用机器学习算法精确预测了机器人的运动轨迹，模型的相对误差(RE)和绝对误差(AE)分别低于4%和3cm。这种技术使得集成PCAM传感器的机器人能够通过对周围环境的感知进行自主导航。

总结：本研究成功研发出了一种计算机辅助设计的应变传感器，利用褶皱内裂纹编程阵列，实现了传感器的高度定制和超稳定性。这种PCAM传感器通过控制裂纹密度和收缩率等参数，精确调节其灵敏度和工作范围，并利用有限元工具进行高精度传感建模。该传感器在各种复杂条件下展现出卓越的鲁棒性，适用于各规模的软体机器人，增强了机器人的感知和智能巡航能力。此外，通过将人工神经网络算法集成到传感器增强的折纸机器人中，实现了机器人的高精度轨迹预测和环境感知，能够有效执行从密闭空间操作到远程控制等多样化任务。这项技术不仅为软体机器人在未知环境中的应用开辟了新路径，也为实现更高层次的机器人协同工作和群体智能提供了强有力的支持，展望未来，通过进一步开发集成多传感器的机器学习算法，软体机器人的能力和应用领域将得到更广泛的拓展。

传感动态

【“台风”战斗机将安装人工智能传感器套件】

据防务快报网3月26日报道，空中客车公司已同意与瑞典制造商萨博公司签订一份为期三年的合同，将其Arexis模块化电子战(EW)传感器设备集成到德国欧洲战斗机“台风”EK（电子战）战斗机上。

萨博首席执行官MicaelJohansson表示：“我们的Arexis传感器套件将先进的硬件和人工智能软件相结合，将在未来几十年内通过面向未来的电子战能力加强德国的防御。”

萨博表示，德国国防采购办公室于2023年6月选择Arexis担任该角色，并“标志着该计划的第一阶段”交付，之后发布了该订单。

该制造商补充说，总共15架EurofighterEK喷气式飞机将安装传感器套件以及其他电子战“解决方案”。这些新飞机将在2030年退役时取代德国空军龙卷风ECR（电子作战/侦察）平台。

萨博还指出，Arxis将采用由欧洲人工智能防御初创公司合作伙伴Helsing提供的“人工智能平台”。

2023年11月，空客表示，为欧洲战斗机EK喷气式飞机选择的人工智能“解决方案”“使得分析机上雷达数据并快速确定精确的自我保护措施成为可能。”

Arexis最初是为集成在SaabGripenE/F战斗机上而开发的，被宣传为“隐形僚机”和一个“具有智能软件和高科技模块化组件的系统，在经过验证和测试的架构中占地面积小”。

德国欧洲战斗机EK飞机也将配备诺斯罗普·格鲁曼公司制造的AGM-88E2先进反辐射制导导弹（AARGM）。空中客车公司表示，AARGM和Arexis的结合将使飞机能够“探测、定位和禁用防空雷达”。

这种反辐射导弹是诺格为美国海军开发的，并装备在F/A-18C/D、FA-18E/F和EA-18G战斗机上，不过该部队此后优先生产增程型导弹（AARGM-ER）基于武器制导和控制部分的修改以及新型火箭发动机的集成。根据海军航空局的一份情况说明书，该导弹的主要任务是探测和打击“可重新定位的综合防空（IAD）目标”。

【AMD 自适应计算技术助力索尼半导体解决方案激光雷达汽车参考设计】

AMD（超威）于2024 年 3 月 19 日宣布，其尖端自适应计算技术为索尼半导体解决方案（ SSS ）所选用，用于其最新汽车激光雷达（ LiDAR ）参考设计。SSS 作为图像传感器技术领域的全球领导者，此次与 AMD 携手带来用于自动驾驶汽车的强大且高效的激光雷达解决方案。采用 AMD 自适应计算技术显著扩展了 SSS 激光雷达系统功能 ，为下一代自动驾驶解决方案提供了非凡的精度、更快的数据处理以及高可靠性。

在快速演进的自动驾驶领域，对精确可靠的传感器技术的需求从未如此强烈。激光雷达（光探测和测距）技术在为各行业实现深度感知和环境测绘方面发挥着关键作用。激光雷达能提供图像分类、分割以及目标检测数据，这些数据对于由人工智能（ AI ）加强的 3D 视觉感知至关重要，因为其无法仅依靠摄像头提供，尤其是在弱光或恶劣天气下。专用激光雷达参考设计通过标准化平台解决了自动驾驶汽车开发的复杂性问题，能以更高的安全性驾驭不同驾驶场景。

AMD 公司副总裁兼自适应计算事业部总经理 Yousef Khalilollahi 表示：“激光雷达技术及其 AI 增强感知功能正以非凡的速度发展，支持部署越来越多的应用。我们与索尼半导体解决方案的合作将 AMD 自适应计算集成到其激光雷达参考设计中，体现了我们致力于在关键行业领域突破技术边界并推动创新的努力。”

索尼半导体解决方案公司汽车开发部总经理 Takayoshi Ozone 表示：“此次与 AMD 的技术合作展现了我们在承诺为激光雷达应用提供尖端解决方案方面的重大飞跃。通过将 AMD 自适应计算技术融入我们的激光雷达参考设计，我们已准备好在性能、可靠性和灵活应变能力方面树立新标准。”

【车规级芯片研发生产企业落户湖北武汉，产品直供国内头部整车工厂】

3月26日，长江日报记者从有关渠道获悉，英弗耐思电子科技有限公司（以下简称英弗耐思）已发生工商变更，注册地从江苏镇江迁移到武汉经开区，并增加注册资本。至此，武汉经开区迎来又一车规级芯片企业落户。

英弗耐思成立于2021年，专注于提供车规级专用模拟芯片、高性能功率驱动芯片及其应用解决方案。团队深耕汽车、模拟芯片行业近20年，已自主研发多款车规级芯片，其开发的新能源汽车集成电源系统在功耗、效率、体积等指标上行业领先。公司产品供货于广汽、东风、长城、陕汽等国内头部整车制造厂，赢得车谷产业发展基金等机构的资本青睐。

搭载英弗耐思自研芯片的汽车座舱中央控制器。

英弗耐思创始人、董事长李威博士介绍，随着公司的发展壮大，团队和业务大多集聚到了武汉，目前武汉研发人员超70人。公司应用于电动化、智能化领域的汽车专用芯片和电源模块等产品，需要与客户密切交流，“布局武汉就是选择来到客户身边，方便就近配套”。

在李威博士看来，武汉经开区是湖北省汽车产业主阵地、“武襄十随”国家级汽车产业集群的核心承载区，正全力打造新能源汽车全产业链发展示范区，新能源汽车产业集群优势明显，发展前景广阔。他透露，眼下公司正在紧锣密鼓考察选址，计划在车谷布局车规级芯片研发及应用产业化基地，主要用于芯片研发设计，以及新能源汽车电源模块、大功率充电模块产品研发与制造等。

近年来，武汉经开区充分发挥国有资本的杠杆带动作用，以基金撬动产业创新。2023年，武汉经开产业投资集团有限公司发起设立车谷产业发展基金，推出总规模为500亿元的车谷产业发展基金，聚焦智能网联新能源汽车、电子信息、智能制造、数字经济、医疗装备等重点产业，加快形成新质生产力，目前该产业基金已招引英弗耐思、沃德通、英特模等一批企业相继落户。

【监测海洋污染物的传感器分类与应用】

海洋是地球上最大的水体，它对人类的生存和发展具有重要的作用。然而，海洋也面临着各种来源和类型的污染物的威胁，如重金属、有机物、营养盐、微塑料等。这些污染物对海洋的生态系统和资源可能造成不可逆转的损害和影响。因此，监测和评估海洋污染物的含量和形态对于保护海洋环境和资源具有重要意义。

传感器和生物传感器是一种利用特定的识别元件与目标分子发生相互作用，并将其转化为可检测的信号的装置，它可以实现对海洋污染物的快速、灵敏、选择性的检测。传感器和生物传感器在监测海洋污染物方面有广泛的应用，如测定海水中的重金属、有机物、营养盐、微塑料等。传感器和生物传感器主要包括以下几种类型：

01电化学传感器和生物传感器

电化学传感器和电化学生物传感器差别就在于“生物”两个字，其最主要的区别就是两者所使用的识别元件不同。它们的不同点是，电化学生物传感器的识别元件以生物中的活性单元为主，例如抗原、抗体、酶、适配体、微生物或者整个细胞等。相同点在于，它们都是一类以电极作为体系中的信号转换器，不管使用任何识别元件来识别待测物，并以电流、电导（阻抗）或电势等变化作为特征检测信号，利用化学反应原理，把有机物质或者无机物质所含的浓度、组成成分等，转换为电信号。

相关的传感器主要包括：

⑴电化学蛋白质传感器

电化学蛋白质传感器是以蛋白质作为敏感元件，并把目标物与蛋白质的反应和电化学分析功能相结合，从而输出电信号的检测器。作为敏感识别元件的蛋白质主要包括了凝血酶，金属蛋白酶(MMP)，辣根过氧化酶以及几种常见的血红素蛋白如血红蛋白(Hb)、肌红蛋白和细胞色素等。

⑵电化学免疫传感器

基于抗原抗体结合的生物传感器被称为免疫传感器，其识别元件是具有特异性结合能力的生物受体。其特点是易于操作，灵敏度高，成本低，易于集成和体积小。抗体是目前应用最广泛的分子之一，因其高度的特异性和亲和力，被应用于色谱分析、诊断、免疫分析和生物传感器等各个方面。

⑶电化学核酸适配体传感器

核酸适配体(Apt)是通过指数富集配体系统进化技术(SELEX)由DNA或RNA的随机序列文库提取的一种短链核酸。其特征在于对于特定靶标具有识别和结合的功能，且性质稳定，容易修饰和合成，能够与毒素、抗生素和病毒等多种目标分子结合。电化学核酸适配体传感器是指，以核酸适配体为识别元件，通过与靶标发生特异性反应而产生的信号，从而达到对靶标的定性和定量检测。

⑷电化学微生物传感器

电化学微生物传感器通常以电极生物膜作为传感元件，并通过细胞外电子转移(EET)与电极进行通信。电极生物膜通常是自组装的，电活性微生物可以作为生物膜附着在电极上，因为电极可以作为微生物呼吸过程的固体电子供体或受体。

02光学传感器和生物传感器

光学传感器是一种利用光学原理进行检测和测量的生物传感器，是一种利用光纤或光学材料作为识别元件，并将目标分子与光纤或光学材料之间的光学性质变化转化为光信号的装置，它具有选择性高、干扰小、稳定性好等优点。常用的光学传感器和生物传感器有吸收法、荧光法、发光法、表面等离子体共振法等。它可以通过测量光的吸收、散射、发射等特性来获得目标物质的信息，光学传感器具有高灵敏度、快速响应和非破坏性等特点，广泛应用于生物医学、环境监测和食品安全等领域。

光学传感器的制备方法主要包括吸附法、光纤传感法和表面增强拉曼散射法等。吸附法通过将目标物质吸附在传感器表面，利用吸附物质与光的相互作用来实现检测；光纤传感法利用光纤的传输特性，将光信号传输到传感器中进行检测；表面增强拉曼散射法通过表面增强拉曼散射效应来增强光信号，提高传感器的灵敏度。

光学传感器的性能评价主要包括灵敏度、选择性、响应时间和稳定性等指标。灵敏度是指传感器对目标物质的检测能力，选择性是指传感器对目标物质与其他物质的区分能力，响应时间是指传感器从检测到目标物质的响应所需的时间，稳定性是指传感器在长时间使用过程中的性能变化情况。

生物传感器在生物医学、环境监测和食品安全等领域具有广泛的应用。在生物医学领域，生物传感器可以用于疾病诊断、药物筛选和治疗监测等。在环境监测领域，生物传感器可以用于水质监测、大气污染监测和土壤污染监测等。在食品安全领域，生物传感器可以用于食品质量检测、食品添加剂检测和食品中毒物质检测等。

03纳米传感器和生物传感器

是一种利用纳米材料或纳米结构作为识别元件，并将目标分子与纳米材料或纳米结构之间的特殊性质变化转化为信号的装置，它具有灵敏度高、响应快、功能多样等优点。常用的纳米传感器和生物传感器有金属纳米粒子、碳纳米管、石墨烯、量子点等。主要组成部分是纳米材料，如纳米电子、纳米气相沉积、纳米颗粒等，这些纳米材料可以与水中的各种元素发生化学反应，从而实现对水质的实时检测。

利用纳米技术制作的传感器，尺寸减小、精度提高、性能大大改善，纳米传感器是站在原子尺度上，从而极大地丰富了传感器的理论，推动了传感器的制作水平，拓宽了传感器的应用领域。纳米技术传感器主要包括纳米化学和生物传感器、纳米气敏传感器和其他类型的纳米传感器（压力、温度和流量等），现已在生物、海洋环境、化学、机械、航空、军事等领域获得广泛的发展。

纳米传感器已经应用于水质监测中，可以检测水中的氧气、二氧化碳、pH值、氨氮、硝酸盐、有机物等参数。例如，纳米传感器可以检测水中的氧气浓度，并将其转化为电信号输出，从而实现水质的实时监测。纳米传感器还可以检测水中的二氧化碳浓度，并将其转化为光信号输出，从而实现水质的可视化监测。

综上所述，传感器技术在水质监测中起着至关重要的作用，其创新与应用将对未来水质监测技术的发展产生重要的影响。传感器和生物传感器在监测海洋污染物方面还有很多潜力和应用前景，例如：利用电化学传感器和生物传感器测定海水中的重金属和有机物，如铅、镉、汞、苯、酚等；利用光学传感器和生物传感器测定海水中的营养盐和微塑料，如氮、磷、硅、聚乙烯、聚丙烯等；利用纳米传感器和生物传感器测定海水中的生物标志物和病原体，如藻类色素、蛋白质、DNA、细菌、病毒等。

审核编辑 黄宇