image: (a) 仿生灵感：表层神经丘细胞。(b) ALL传感器的结构。(c) ALL传感器的整体视图和横截面。(d) ALL传感器工作原理的示意图。该图展示了施加外力前后传感器的状态变化。所选截面对应于图1(c)中的剖面图。(e) 传感器的物理示意图。该图展示了传感器的部分模块，其中硅胶弹簧位于传感器内部。(f) ALL传感器研究的综合概述，包括使用所提出的CLANN算法进行的载荷测试和速度估计实验。 view more
Credit: ©《中国科学》杂志社
鱼类即使在浑浊水域中，也能在不完全依赖视觉的情况下灵活游动。它们身体两侧的侧线系统能够感知细微的水动力变化，帮助其判断周围水流。受这种生物感知策略启发，中国科学院自动化研究所团队研制出一种轻量化、小型化柔性人工侧线传感单元，使水下机器人能够估计局部水流速度的大小和方向。
水下机器人广泛应用于海洋资源探测、环境监测和生态保护等领域，但复杂水体中的流动感知仍然具有挑战。声学设备可能体积较大，并受到工作条件影响；视觉感知在浑浊水体中也可能降低可靠性。人工侧线通过感知贴近机器人表面的流场，为水下感知提供了一条互补路径。
新型传感器采用双层倒杯状刚性摇杆、柔性硅胶弹簧、一个发光二极管以及沿圆周分布的四个光敏单元，并将这些部件集成在一个紧凑的传感单元内。水流推动摇杆时，硅胶弹簧发生形变，摇杆随之倾斜，改变各光敏单元接收到的内部光通量。不同方向的光通量变化模式包含水流速度和方向信息。该结构无需依赖传感器阵列即可实现速度矢量感知，同时兼顾轻量化和小型化，更便于搭载在水下机器人平台上。
柔性材料能够提升对微弱扰动的感知能力，但其大形变、非线性力学特性和耦合响应也增加了标定难度。为解决这一问题，研究团队提出了名为 CLANN 的混合神经网络算法，用于标定人工侧线传感器，并将其数据与惯性测量单元信息进行融合。
研究人员将传感器集成到水下机器人平台上，开展了直线、圆周和不规则运动实验。不同于仅在理想化条件下进行验证，实验同时考虑了多种运动状态以及俯仰、偏航等姿态扰动，更贴近实际水下作业场景。通过融合人工侧线和惯性测量单元的数据，系统能够估计机器人的全局速度矢量。实验结果显示，速度大小平均绝对误差为 0.048 米/秒，方向平均绝对误差为 16.49 度，线性相关系数 R² 达到 0.896；轨迹估计的位置跟踪平均绝对误差为 0.284 米。
实验还表明，该传感器可在 0 至 0.4 米/秒范围内工作。单单元矢量感知、轻量化结构、小型化尺寸以及面向实际扰动条件的验证，使该设计有望为水下机器人和仿生机器鱼提供更具实用性的流动感知方案。
下一步，团队将优化传感器结构与感知算法，将装置集成到仿生机器鱼平台，并在自然水域中开展验证。未来，人工侧线有望与其他传感器协同工作，在传统速度传感器使用受限时支持流场构建和水下定位。