随着机器人技术和物联网的快速发展，柔性电子设备，如超级电容器、能量采集器、显示器、压力传感器，受到了广泛的关注。压力传感器因其在微小压力检测、医疗监护、运动检测等领域的巨大潜力而受到了广泛关注。然而，压力传感器在实现商业化和大规模生产时仍面临着诸多技术挑战。
目前，通过引入微结构以提高传感器性能是一种普遍的做法。尽管均匀的微结构可以提高压阻层的可压缩性并从而提高器件的灵敏度，但它们具有有限的变形范围，因此在复杂或高压环境中的应用受到了限制。同时，这种均匀的微结构的制备方法，如光刻等，往往复杂，不利于大规模生产。此外，不规则微结构，例如砂纸模板等，已被证明可以有效提高可压缩性，从而提高灵敏度，并扩大监测范围。
然而，这种微结构的随机分布和不可预测性使得它们难以适应商业生产和调整器件性能的需求。因此开发出更为简单、可靠、易于生产的方法，提高压力传感器的性能和适用性是当前技术领域的紧迫需求，从而推动其商业化和大规模生产。
受人体绒毛启发，近日，西南交通大学杨维清/邓维礼等报道了一种具有间歇架构的压力传感器，可以有效地提高灵敏度，同时扩大响应范围。得益于这种间断结构的两级放大效应，所开发的MXene压阻生物电子器件具有461 kPa-1的高灵敏度和高达311 kPa的宽压力检测范围，分别是均匀微结构的20倍和5倍。与深度学习算法配合，所设计的生物电子器件可以有效捕捉复杂的人体运动，并精确识别人体运动，识别准确率高达99%。
得益于该器件具有高灵敏度和宽范围，这种灵活的传感器被用在人体动作捕捉上，而目前大多数基于视觉的解决方案存在遮挡或记录范围有限的问题，因此使用可穿戴传感器的动作捕捉是不受环境影响和遮挡影响的。我们使用1D-CNN算法实时识别人体的运动模式，提出的模型识别精度达到99.2%。
通过可视化，证明了CNN算法学习样本特征的能力，识别和分类能力较好。我们提出了一个深度学习辅助系统，使用仿生间歇结构传感器，可以很好地表示人体的各种运动。所有这些结果都证实了我们的设计，包括易于批量制造的仿生间歇微结构和压阻性能的两级增强，为下一代可穿戴生物电子产品提供了出色的解决方案。