在自然界中，像那些蜘蛛盅毛一樣的“機械傳感器”被完美地調(diào)整為僅關注蜘蛛生存所需的數(shù)據(jù)。例如，它們會“感受到”表明昆蟲被蜘蛛網(wǎng)粘住的振動，但不會關注可能只是由風引起的低頻振動。

　　受此啟發(fā)，普渡大學的團隊開始創(chuàng)建機械傳感器，這些機械傳感器將忽略輕微的力量，并且僅在“感覺”達到某個閾值后向機器的其余部分發(fā)出信號。這樣做的訣竅是使傳感器不受最初不易彎曲的材料的影響，但是當外力施加到傳感器上時，其會迅速變形。當其變化的形狀達到某一點時，材料內(nèi)的導電顆粒聚集在一起并允許電流通過。然后，它會向機器的其余部分發(fā)送信號，并根據(jù)需要進行響應。

　　這種系統(tǒng)需要較少的能量和計算能力來運行，因為機器的“大腦”不需要不斷地檢查不必要的刺激以決定何時需要注意它。

　　“借助機器學習算法，我們可以訓練這些傳感器以最小的能耗自動運行，”該研究的第一作者Andres Arrieta說道。“以各種尺寸制造這些傳感器也沒有障礙。”

　　這些類型的機械傳感器可以戰(zhàn)略性地放置在無人機、飛機或自動駕駛汽車上，以更快地幫助檢測物體和障礙物并避開它們。

　　該研究發(fā)表在《ACS Nano》雜志上。