期刊介绍

单击图片进入期刊页面

Nature Sensors《自然-传感》  是 Nature Portfolio  旗下在今年推出的一本新刊，发表传感技术各个领域的基础研究、应用研究和工程研究，包括生物、计算、工程和系统等广泛的领域。

《自然-传感》涵盖新型传感器材料和装置的开发，以及传感器系统的设计、整合与广泛应用。期刊重点关注传感器设计、材料、信号处理和数据分析方面的技术进展和实际应用，突出传感技术对社会的变革性影响。

传感器在数字化建设中随处可见，如内置于智能手表、手机、汽车和房屋中，对基础设施和环境进行监测。此外，传感器对于许多新兴技术的发展也至关重要，例如健康监测、数字孪生、自治系统和扩展现实。相关技术正以多种方式快速发展并且人们对传感器技术的研究兴趣迅速增长。然而，目前该领域缺少一个专注于相关技术的高影响力期刊，帮助研究人员了解不同的方法，探索有趣的新方向。《自然-传感》旨在填补这一空缺，提供一个国际化的交流平台，探讨紧迫性的挑战和机遇，报道突破性进展。

创刊号导读

Nature Sensors 《自然-传感》在这个月正式发布了创刊号，呈现从基础机制到应用创新的最新研究进展，致力于推动下一代智能感知体系的发展。

在本期创刊号中，研究者们带来一系列前沿成果，包括：

•  AI驱动的可穿戴设备

•  抗噪声人机接口

•  连续监测皮质醇的汗液传感器

•  超高能效事件驱动神经传感器

•  类人多模态机器人触觉系统

•  自供能振动传感器

作为连接全球感知科技社区的平台，《自然-传感》将持续发布引领未来的创新技术、原创方法及跨学科应用，推动传感科学在健康、机器人、智能设备等关键领域的发展。

单击图片进入创刊号在线阅读

Editorial

01 家的归属感

 A sense of home

文章导读：

随着《自然-传感》的创刊，我们旨在汇聚全球传感领域的研究社区，推动科学发现、促进现实世界的影响，并为传感研究营造一个共同的科学之家。

感知，是所有生物与环境互动的方式。从沿着化学梯度移动的单细胞变形虫，到初生婴儿识别母亲的面孔；从椋鸟群在空中同步飞行，到海龟依靠地球磁场进行导航，感知使生命得以适应、生存并繁盛。对于人类而言，感知与我们的身份密不可分。我们的感官将体验扎根于身体，塑造记忆、情感与认知。受到生物体系巧妙机制的启发，我们构建了模仿生物感知能力的技术。

Features

01 人工智能与智能感知的崛起 

AI and the rise of intelligent sensing

文章导读：

从可穿戴健康监测设备到自主机器人，人工智能（AI）正在重塑传感器采集、解释和响应数据的方式。Andy Extance 指出，其中协同设计与基准测试是推动成功的关键。

 宾夕法尼亚州立大学的 Larry Cheng 起初对合作者提出使用 AI 来分析他们的传感数据持怀疑态度，但很快便“惊叹不已”。他们团队研发的可拉伸、可穿戴传感器用于记录接受过喉部手术患者的振动与肌电信号。面对看似杂乱无章的数据，传统数据分析方法未能实现他们的目标——评估患者康复的进展。

Research Highlights

01 集成式 μECoG–CMOS 系统实现高密度神经记录 

Integrated μECoG–CMOS system enables high-density neural recording

文章导读：

在神经电生理领域，传统方法如脑电图（EEG）虽然无创，但分辨率有限；而穿透式电极能够提供细胞放电级别的精细数据，却可能对脑组织造成损伤。皮层电图（ECoG）提供了一种折中方案：通过将非穿透式电极置于大脑表面，可在不损伤皮层的情况下获取高质量的局部场电位信号。然而，将这些电极与所需电子器件集成仍是一个难题。如今，Kenneth L. Shepard 及其同事在 Nature Electronics 上提出了一种皮层生物电子接口系统（BISC），将高分辨率微型皮层电图（μECoG）电极阵列与无线电子器件集成在同一芯片上。

02 柔性半导体阵列实现高保真神经记录

Flexible semiconductor arrays for high-fidelity neural recording

文章导读：

神经生理监测技术的进步大幅拓展了研究大脑功能的能力——从追踪神经系统疾病，到解析复杂的大脑活动。要实现对神经活动的全面监测，神经接口必须同时具备高时空分辨率、广覆盖范围以及高信号保真度。然而，这一直充满挑战：传统无源阵列受限于布线瓶颈，而现有有源材料往往缺乏实现高密度、柔性神经记录所需的带宽、开关速度或可扩展制造能力。

News & Views

01 软性有机电化学神经元以生物速度运行

Soft organic electrochemical neurons operating at biological speed

文章导读：

有机电化学神经元能够实时响应脑信号，以与生物系统相匹配的速度进行放电。它们的柔软性和低功耗特性有望支持软性、可植入的闭环神经调制系统，并推动未来脑机接口的发展。

我们的脑是事件驱动的机器。神经元在大多数时间里保持沉默，只有在事件发生时——一次声音、一个念头，或是一场癫痫发作——才会激活，从而节省能量。模仿这种高效机制一直是开发植入式设备和脑机接口的研究人员面临的一大挑战。传统硅芯片虽然具备强大的计算能力，但其刚性、发热以及高能耗使其不适合长期植入人体。Fabiano 等人在 Nature Sensors 上提出，柔软的有机材料能够以与神经元相匹配的速度和能效进行工作，并且可以利用离子信号进行通信——这正是大脑的“母语”。这一进展标志着将有机器件从实验型原型推进到实用化、实时神经接口的重要里程碑。

02 能够在运动中学习手势的可穿戴设备

Wearables that learn to read gestures on the move

文章导读：

一种能够从运动伪影中学习的可穿戴传感系统，使得在移动过程中仍能实现可靠的手势控制。

仅在身体保持静止时才能正常工作的可穿戴传感系统是不实用的；更像是一件实验室仪器。几十年来，人机接口（HMI）研究往往将运动伪影视为需要消除的干扰，而不是需要理解的工程条件。一旦身体开始运动——无论是跑步、震动还是姿态变化——传感器信号就会被扭曲，手势在伪影中被淹没，界面也随之失去可靠连接人类意图与机器响应的能力。      

Reviews

01 用于无声语音接口的感知技术

Sensing technologies for silent speech interfaces

文章导读：

无声语音接口能够在没有可听声音的情况下解码说话意图，从而使人在无法发声的场景中，或是让有语言障碍的个体也能进行交流。本文探讨了感知技术如何塑造无声语音接口的能力。作者比较了体外、体表与体内三类感知方式，指出了传感器与人体之间的距离、耦合稳定性以及侵入性如何决定信号的保真度、鲁棒性以及用户舒适度。文中强调了关键趋势，包括柔性生物电子技术的兴起、多模态传感器融合以增强抗伪影能力，以及边缘人工智能在实时、低功耗解码中的日益重要作用。作者指出，体表系统目前在准确性与可部署性之间提供了最佳平衡，而体内方法则为完全失去发声能力的用户提供了无可匹敌的神经信号获取能力。展望未来，多模态感知识别、嵌入式智能与闭环架构的进步，将推动无声交流在康复、日常互动以及人机接口等领域的广泛应用。

Research

01 基于生成式 EMG 网络的简化可穿戴设备实现手势识别与步态预测 

A simplified wearable device powered by a generative EMG network for hand-gesture recognition and gait prediction

文章导读：

在可穿戴传感器设计中，舒适性与对高分辨率、大面积感知的需求之间存在固有的权衡。作者在此提出一种解决方案：引入生成式肌电（EMG）网络（GenENet），一种结合可穿戴传感器的自监督生成式表示学习框架，可通过对有限的传感输入进行外推，重建传感器未覆盖区域的肌肉活动。该方法能够在使用数量大幅减少、更加紧凑舒适的可穿戴设备的同时，获取与高密度 EMG 传感网络相当的信息量，而不牺牲性能。

例如，一个基于低阻抗聚合物电极的 6 通道 EMG 设备，在使用 32 通道数据集进行训练后，在手语预测和步态动态预测的准确度上表现得与 32 通道设备相当。这表明 GenENet 概念可有效降低可穿戴传感系统的复杂度，同时保持预测质量。

此类电生理数据对于诸多应用至关重要，包括运动检测与控制，但传统方法往往需要高密度、高分辨率的传感器，因而较为笨重。该概念有望推广到其他类型的电生理映射应用，如健康监测、假肢、运动科学和人机接口，为更舒适、高效的可穿戴设备铺平道路。

02 基于深度学习增强可穿戴传感器的抗噪人机接口

A noise-tolerant human–machine interface based on deep learning-enhanced wearable sensors

文章导读：

采用惯性测量单元（IMU）的可穿戴人机接口已广泛应用于医疗保健、机器人以及交互技术领域。然而，在真实环境中，由于运动伪影的存在，提取可靠信号仍然是一项挑战。在此，我们提出了一种能够在多种运动伪影条件下保持稳定性能的人机接口，该系统基于深度学习增强的可穿戴传感器。

该系统整合了六通道 IMU、肌电模块、蓝牙微控制单元以及可拉伸电池，能够实现手势信号的无线采集与传输。基于手势与运动伪影构成的复合数据集训练的卷积神经网络，可从中提取鲁棒信号；基于参数的迁移学习进一步提升了网络在不同用户间的泛化能力。通过滑动窗口方法，提取的手势信号可在跑步、高频振动、姿态变化、海浪运动及其组合等动态活动中，实现对机械臂的实时、连续控制。

这项工作展示了可穿戴人机接口在复杂真实场景中的应用潜力。

03 用于闭环神经刺激的高频、低能耗有机事件驱动传感器

High-frequency, low-energy organic event-based sensors for closed-loop neurostimulation

文章导读：

事件驱动型生物电子传感器能够实现对神经活动的实时检测与调控。然而，传统的硅基接口刚性大、能耗高；而有机电化学生物神经元（OECN）传感器虽具潜力，但其发放速率慢、能耗高且在可扩展性方面面临挑战。在此，文中提出了一种基于 OECN 的传感器，能够以快速且节能的方式检测神经信号，用于闭环神经刺激。

这些事件驱动传感器的响应时间约为 1 毫秒，可产生高达 1.1 kHz 的电压脉冲，覆盖哺乳动物神经元活动的全带宽（0.5–1,000 Hz），每次放电的能耗仅约 40 pJ。实验展示了其对海马间歇性癫痫样放电的准确检测。当与微电极集成后，这些基于 OECN 的传感器还能通过实时刺激来抑制体内异常的睡眠纺锤波振荡，实现闭环神经调制。

结合类生物运行模式与超低能耗特性，基于 OECN 的传感器是下一代植入式生物电子设备的有力候选，尤其适用于能源受限的应用场景。

​点击“阅读原文”了解期刊详情，我们诚挚欢迎您的投稿！​