Robot có “giác quan thứ sáu”: Cảm biến bắt chước lươn điện nhận biết vật thể mà không cần chạm

Robot hiện đại có thể nhìn bằng camera, nghe bằng microphone, đo khoảng cách bằng lidar và cảm nhận lực khi đầu ngón tay đã chạm vào vật thể. Nhưng có một khoảng trống rất quan trọng giữa “nhìn thấy” và “chạm vào”: liệu máy có thể biết một vật đang ở ngay trước mặt, nhận ra nó làm bằng gì hoặc bề mặt có bất thường hay không trước khi xảy ra tiếp xúc?

Một nhóm nghiên cứu tại Trung Quốc đang thử giải bài toán đó bằng cách học từ một cơ chế đã tồn tại trong tự nhiên từ rất lâu: khả năng định vị bằng điện của các loài cá điện, trong đó có lươn điện. Thay vì dựa vào ánh sáng hay va chạm cơ học, hệ thống tạo ra một điện trường gần như tĩnh quanh cảm biến rồi đo cách vật thể ở gần làm biến dạng điện trường này.

Kết quả được công bố trên tạp chí Advanced Materials ngày 2/7/2026 trong nghiên cứu có tên Bioinspired Electrostatic-Field Perturbated Sensing for General Material Noncontact Perception. Nhóm tác giả do các nhà nghiên cứu tại Xidian University dẫn dắt cho thấy cảm biến có thể phản hồi với cả vật dẫn điện lẫn vật liệu điện môi như kim loại, polymer và thủy tinh, đồng thời kết hợp với machine learning để phân biệt vật liệu, nhận biết khuyết tật và điều khiển robot bằng cử chỉ.

Gọi đây là “giác quan thứ sáu” là một cách ví von, không phải khẳng định robot có cảm giác giống sinh vật. Nhưng ý tưởng “cảm trước khi chạm” có thể bổ sung một lớp nhận thức mới cho robot ở những nơi camera, cảm biến quang học hoặc xúc giác truyền thống còn hạn chế.

Lươn điện “nhìn” môi trường bằng điện như thế nào?

Lươn điện sống trong môi trường nước ngọt thường đục và thiếu ánh sáng. Trong những điều kiện như vậy, thị giác không phải lúc nào cũng là nguồn thông tin đáng tin cậy.

Một phần năng lực đặc biệt của chúng đến từ các cơ quan điện. Lươn điện có thể tạo các phóng điện mạnh để săn mồi hoặc tự vệ, nhưng cũng sử dụng tín hiệu điện yếu hơn cho định vị điện. Khi điện trường do cơ thể tạo ra lan qua môi trường, một vật thể ở gần sẽ làm thay đổi phân bố trường tùy theo đặc tính điện của nó. Các thụ thể điện trên cơ thể giúp con vật nhận ra sự thay đổi đó.

Về nguyên lý, đây là một dạng “chiếu sáng” môi trường mà không cần photon. Thay vì phát ánh sáng rồi đọc ánh sáng phản xạ như camera, sinh vật tạo ra một trường điện và đọc cách môi trường làm méo trường đó.

Nhóm nghiên cứu đã chuyển logic sinh học này sang một cấu trúc điện tử thể rắn.

Cảm biến mới không cần liên tục phát tín hiệu chủ động

Trung tâm của thiết bị là một lớp fluoropolymer FEP đã được phân cực bằng corona để trở thành một electret — vật liệu điện môi có thể duy trì trạng thái điện tích hoặc phân cực trong thời gian dài. Có thể hình dung nó như một nguồn tạo điện trường tĩnh cỡ nhỏ.

Theo cấu trúc được công bố, cảm biến gồm lớp FEP phân cực, một điện cực đồng làm nút cảm nhận và nền PMMA. Khi chưa có vật thể ở gần, hệ thống duy trì một phân bố điện trường nhất định. Khi một vật tiến vào vùng lân cận, hình dạng và cường độ điện trường thay đổi. Sự thay đổi này tạo ra tín hiệu điện có thể đo được trên điện cực phía sau.

Điểm khác biệt đáng chú ý là lớp cảm biến không cần liên tục bơm năng lượng để phát sóng như radar hay phát ánh sáng như cảm biến quang. Điện trường được duy trì nhờ electret đã nạp trước. Điều đó có tiềm năng giảm nhu cầu năng lượng của phần tử cảm nhận.

Tuy nhiên, “không cần nguồn điện liên tục để tạo trường” không đồng nghĩa toàn bộ hệ thống robot hoạt động không cần điện. Mạch đọc tín hiệu, bộ thu thập dữ liệu, vi điều khiển và thuật toán machine learning vẫn cần năng lượng. Đây là một khác biệt quan trọng khi đánh giá các tuyên bố về cảm biến thụ động hoặc tự cấp nguồn.

Vật thể càng tiến gần, tín hiệu càng thay đổi rõ

Trong thử nghiệm, nhóm nghiên cứu ghi nhận độ nhạy ở vùng gần tương đương mức thay đổi 1,05 V khi khoảng cách biến thiên 50 micromet. Cảm biến cũng duy trì phản hồi ổn định sau hơn 10.000 chu kỳ đưa vật thể lại gần rồi rút ra.

Những con số này cho thấy hệ thống không chỉ phát hiện trạng thái có hoặc không có vật thể. Hình dạng tín hiệu còn thay đổi theo khoảng cách và đặc tính điện của mục tiêu.

Vật dẫn điện, vật liệu cách điện và các cấu trúc bề mặt khác nhau làm biến dạng điện trường theo những cách khác nhau. Do đó, tín hiệu thu được có thể chứa “dấu vân tay” liên quan tới độ dẫn điện, hằng số điện môi và hình học của vật thể.

Đây là điểm khiến cảm biến trở nên thú vị đối với robot. Một công tắc tiệm cận thông thường chỉ cần trả lời “có vật ở đây hay không”. Một hệ thống nhận thức tốt hơn cần thêm thông tin: vật đang tới gần là kim loại hay polymer, bề mặt có lớp phủ hay không, có vùng khuyết tật nào bất thường hay không và robot nên phản ứng thế nào.

Không chỉ phát hiện kim loại

Nhiều công nghệ tiệm cận hiện nay có ưu thế trong những miền vật lý cụ thể. Cảm biến cảm ứng rất hiệu quả với kim loại nhưng không phù hợp với mọi vật liệu. Cảm biến quang học có thể bị ảnh hưởng bởi điều kiện chiếu sáng, độ trong suốt hoặc phản xạ bề mặt. Cảm biến từ cần mục tiêu có đặc tính từ phù hợp. Cảm biến xúc giác lại chỉ tạo dữ liệu sau khi tiếp xúc đã xảy ra.

Nhóm tác giả muốn xây dựng một cơ chế rộng hơn bằng cách quan sát nhiễu loạn điện trường do nhiều loại vật liệu gây ra. Trong các thí nghiệm được báo cáo, cảm biến phản hồi với kim loại, polymer và thủy tinh. Nhóm nghiên cứu cũng trình diễn nhận biết trên các mẫu gỗ và nhiều cấu hình vật liệu khác trong hệ thống thử nghiệm.

Điều này không có nghĩa cảm biến đã chứng minh có thể phân biệt mọi vật liệu trong mọi môi trường. Cụm từ “general material” trong tên nghiên cứu nên được hiểu theo phạm vi các mẫu và điều kiện đã được thử nghiệm, thay vì một bảo đảm tuyệt đối về tính phổ quát.

Machine learning biến tín hiệu điện thành “nhận thức”

Bản thân cảm biến tạo ra dạng sóng điện. Để biến dạng sóng đó thành quyết định có ý nghĩa, nhóm nghiên cứu kết hợp dữ liệu cảm biến với các mô hình machine learning.

Trong một trình diễn, hệ thống dùng đặc trưng tín hiệu để phân loại vật liệu khi mẫu đi qua cảm biến. Ở một trình diễn khác, nhóm xây dựng dây chuyền kiểm tra không tiếp xúc cho các lớp vật liệu có khuyết tật bề mặt. Mô hình CNN được dùng để phân loại tình trạng mẫu dựa trên tín hiệu điện trường.

Theo kết quả được công bố, hệ thống nhận biết khuyết tật đạt độ chính xác 97,8% với mẫu kính có màng dẫn điện, 98,4% với laminate thép không gỉ–polyimide và 100% với cấu trúc PMMA có lớp phủ UV trong bộ dữ liệu thử nghiệm của nghiên cứu.

Nhóm cũng dùng nhiễu loạn điện trường do bàn tay người tạo ra để nhận dạng cử chỉ. Sau khi mô hình phân loại cử chỉ, tín hiệu được chuyển thành lệnh cho cánh tay robot. Về mặt trải nghiệm, người dùng có thể điều khiển máy mà không cần chạm nút hay cầm tay điều khiển.

Robot có thể “chuẩn bị” trước khi chạm

Một trong những ứng dụng hấp dẫn nhất nằm ở thao tác gắp và tương tác gần.

Hiện nay, robot thường dựa vào camera để xác định vị trí vật thể, sau đó sử dụng cảm biến lực hoặc da điện tử khi ngón tay đã tiếp xúc. Nếu có thêm lớp cảm nhận điện trường ở khoảng cách rất gần, robot có thể nhận biết mục tiêu ngay trước khi chạm.

Điều này có thể giúp bộ điều khiển giảm tốc độ bàn tay, thay đổi lực gắp hoặc chọn chiến lược tiếp xúc phù hợp hơn. Một vật thể bằng thủy tinh mỏng, một bề mặt phủ màng hoặc một chi tiết điện tử nhạy cảm không nên được tiếp cận giống một khối thép đặc.

Trong môi trường có người, cảm biến tiệm cận cũng có thể trở thành lớp cảnh báo bổ sung. Một cánh tay robot công nghiệp hoặc cobot có thể phát hiện bàn tay đang tiến vào vùng thao tác ở cự ly gần và điều chỉnh chuyển động trước khi có va chạm.

Dĩ nhiên, với các ứng dụng an toàn thực tế, một cảm biến mới sẽ phải trải qua đánh giá hệ thống nghiêm ngặt và thường không nên là lớp bảo vệ duy nhất. Giá trị của nó nằm ở khả năng bổ sung thông tin cho các cảm biến hiện có.

Kiểm tra chất lượng mà không cần chạm sản phẩm

Công nghiệp sản xuất là một bối cảnh khác mà cảm biến kiểu này có thể phát huy lợi thế.

Không phải bề mặt nào cũng phù hợp với đầu dò tiếp xúc. Màng mỏng, lớp phủ, vật liệu mềm hoặc sản phẩm dễ nhiễm bẩn có thể bị ảnh hưởng nếu thiết bị đo chạm trực tiếp. Camera lại không phải lúc nào cũng thấy được sự khác biệt vật liệu nếu hai bề mặt có màu sắc gần giống nhau.

Nếu một vùng thiếu lớp phủ, có tỉ lệ khuyết tật khác hoặc thay đổi cấu trúc điện, nó có thể gây ra kiểu nhiễu loạn điện trường khác. Nghiên cứu đã khai thác nguyên lý này để nhận biết các mức khuyết tật trên nhiều hệ vật liệu và kết hợp với bộ phân loại tự động.

Trong dây chuyền tương lai, một cảm biến như vậy có thể được đặt gần băng tải để kiểm tra sản phẩm liên tục mà không cần ép đầu dò lên từng mẫu. Khả năng này đặc biệt đáng chú ý với sản xuất điện tử, màng phủ, vật liệu trong suốt hoặc các quy trình nơi ma sát và nhiễm bẩn cần được hạn chế.

“Giác quan thứ sáu” không thay thế camera, lidar hay xúc giác

Cách dễ gây hiểu nhầm nhất là xem công nghệ mới như một cảm biến có thể thay thế tất cả các phương thức khác.

Camera vẫn cho robot thông tin phong phú về màu sắc, cấu trúc và cảnh ở khoảng cách xa. Lidar và radar có giá trị lớn cho đo hình học và điều hướng. Cảm biến lực và xúc giác cung cấp thông tin trực tiếp về áp suất, trượt và tiếp xúc. Siêu âm lại hữu ích trong nhiều bài toán đo khoảng cách.

Cảm biến điện trường được mô tả trong nghiên cứu phù hợp hơn với vai trò một lớp “pre-touch” — khoảng nhận thức nằm giữa nhìn từ xa và chạm trực tiếp.

Ở tầng này, robot không cần tái dựng cả căn phòng. Nó cần biết rằng có thứ gì đó đang đi vào vùng rất gần và tín hiệu điện của vật thể đó có đặc điểm gì. Khi kết hợp nhiều phương thức cảm biến, máy có thể xây dựng nhận thức bền vững hơn so với phụ thuộc vào chỉ một nguồn dữ liệu.

Ưu thế về năng lượng vẫn cần nhìn đúng phạm vi

Một điểm mà nghiên cứu nhấn mạnh là khả năng hoạt động với điện trường do electret tạo ra, thay vì cần một nguồn phát chủ động liên tục. Đây có thể là lợi thế đối với cảm biến phân tán, robot di động hoặc bề mặt cảm nhận lớn, nơi mỗi miliwatt đều có giá trị.

Nhưng mức tiêu thụ năng lượng của cả hệ thống còn phụ thuộc đáng kể vào mạch đo điện thế, bộ khuếch đại, tần suất lấy mẫu, xử lý tín hiệu và mô hình AI. Vì vậy, bước tiếp theo cần quan tâm không chỉ là phần tử FEP, mà cả kiến trúc điện tử tích hợp.

Nói cách khác, vật liệu có thể duy trì điện trường gần như không tốn năng lượng liên tục, nhưng “bộ não” đọc và diễn giải tín hiệu vẫn phải được cấp nguồn.

Còn những câu hỏi nào trước khi công nghệ đi vào robot thực tế?

Kết quả phòng thí nghiệm cho thấy một cơ chế cảm biến mới có nhiều tiềm năng, nhưng để biến thành sản phẩm robot phổ biến vẫn còn nhiều bài toán kỹ thuật.

Đầu tiên là độ ổn định trong môi trường thực. Điện trường tĩnh có thể chịu ảnh hưởng bởi độ ẩm, sự tích điện của con người, thiết bị điện gần đó và cách cảm biến được lắp lên thân robot. Hệ thống thương mại sẽ cần hiệu chuẩn, che chắn và thuật toán xử lý nhiễu phù hợp.

Thứ hai là hình học. Tín hiệu thay đổi không chỉ vì vật liệu mà còn vì khoảng cách, kích thước, góc tiếp cận và hình dạng mục tiêu. Nếu robot muốn suy ra đồng thời “vật này ở đâu” và “vật này là gì”, bài toán phân tách các yếu tố sẽ phức tạp hơn thử nghiệm trên mẫu có chuyển động được kiểm soát.

Thứ ba là tích hợp. Một cảm biến thực sự hữu ích phải đủ mỏng, bền và rẻ để đặt lên ngón tay robot, gripper hoặc bề mặt cong, đồng thời giao tiếp ổn định với bộ điều khiển thời gian thực.

Cuối cùng là dữ liệu. Khi machine learning tham gia phân loại vật liệu và cử chỉ, độ chính xác trong phòng lab chưa đảm bảo khả năng tổng quát hóa sang hàng nghìn vật thể chưa từng thấy. Bộ dữ liệu rộng và điều kiện thử nghiệm đa dạng sẽ quyết định công nghệ có vượt qua giai đoạn trình diễn hay không.

Một hướng đi lớn hơn: robot học cách cảm nhận trước khi hành động

Điều đáng chú ý nhất của nghiên cứu không nằm ở việc robot có thêm một cảm biến lạ. Nó phản ánh một xu hướng rộng hơn trong robotics: máy cần nhiều tầng nhận thức hơn giữa “nhìn” và “chạm”.

Con người khi đưa tay nhặt một chiếc cốc không chỉ dùng thị giác. Não liên tục kết hợp khoảng cách, tư thế bàn tay, dự đoán vật liệu, lực cần thiết và phản hồi xúc giác. Robot cũng sẽ cần kiến trúc cảm nhận đa phương thức tương tự nếu muốn thao tác linh hoạt trong môi trường thật.

Một lớp cảm nhận điện trường có thể cho máy thêm tín hiệu ngay trước thời điểm tiếp xúc — khi vài millimet hoặc vài centimet cuối cùng có thể quyết định việc gắp thành công hay làm rơi vật.

Đó cũng là lý do hình ảnh “giác quan thứ sáu” có sức gợi. Công nghệ không biến robot thành sinh vật biết cảm giác, nhưng nó mở rộng phạm vi những gì máy có thể nhận biết mà không cần nhìn rõ hoặc chạm trực tiếp.

Nếu cảm biến electret tiếp tục được thu nhỏ, tích hợp tốt hơn và chứng minh độ bền trong môi trường công nghiệp, robot tương lai có thể không chỉ nhìn vật thể rồi lao tới gắp. Nó có thể cảm thấy một “vùng hiện diện” quanh bàn tay, nhận ra đặc tính mục tiêu và chuẩn bị cách tiếp xúc trước cả khi ngón tay chạm bề mặt.

Nguồn tham khảo

• Weiqiang Zhang và cộng sự, “Bioinspired Electrostatic-Field Perturbated Sensing for General Material Noncontact Perception”, Advanced Materials, 2026.
• South China Morning Post, “China’s ‘electric eel’ sensor allows robots to feel an object without touching it”, 16/8/2026.