王一凡（Yifan Wang）
1989年生，武穴市梅川镇人。他自幼成绩优异，先后就读于武穴市实验小学、武穴实验中学，后保送黄冈中学。求学路上，初中、高中各就读两年，凭借竞赛佳绩先后保送北大，未参与中考、高考，并曾斩获亚洲物理竞赛金牌、国际奥林匹克物理竞赛金牌。2011年，王一凡取得北京大学物理学学士学位，2016年获得芝加哥大学软物质物理学博士学位。2017至2020年在加州理工学院完成博士后研究，2020年12月起任职于新加坡南洋理工大学，现为该校机械与航空航天工程学院教授。
他带领机器人材料研究团队，深耕软体机器人、力学超材料、3D打印先进制造、人机交互界面等方向，同时担任国际期刊《Mechanics of Materials》副主编。2025年，他获评南洋理工大学工程学院研究青年教员奖，科研实力备受肯定。
南洋理工大学王一凡教授团队《SCI.Adv.》新突破：
打造高效人机协作的多通道柔性肌肉电阻抗传感器
当前常用的人体动作感知手段多依赖肌电图（EMG），但肌电只能记录神经激活引发的主动肌反应，对于像拮抗肌的被动变化却无能为力。而FMEIS采用电阻抗测量原理：通过向皮肤表面注入安全、低强度的高频电流，探测不同肌肉状态下生物组织电导特性的变化。
更重要的是，该系统无需肌肉产生明显动作信号，就能“感知”操作者的意图。无论是工业协作中对微小肌肉反应的监测，还是康复过程中对肌力变化的评估，它都比传统方法更贴近真实需求。
图1：柔性多通道肌肉电阻抗传感器（FMEIS）
“贴上”皮肤就能用，轻薄又耐用！
FMEIS的结构也极具创新性：整套传感器如创可贴般轻薄（厚度仅220微米），柔软度极高（杨氏模量约212.8 kPa），可多次重复使用。其内部集成了伸缩性导电网络、导电水凝胶电极和高粘性表皮粘附层，即使用户进行剧烈运动，依然能保持稳定贴合与清晰信号采集。
表面采用改性PDMS材料，具备与皮肤分子形成氢键的能力，使其重复使用后也不会出现脱落或信号丢失。
图2：FMEIS的拉伸、黏附性能及其多肌肉收缩感知
精准识别+力量预测，FMEIS样样在行！
在手势分类实验中，FMEIS结合算法，可将常见动作识别准确率提升至98.5%；在肌肉发力预测任务中，R²指标高达0.98，说明预测效果十分精准；更令人惊喜的是，它能感知皮下30毫米以内的深层肌肉状态，对传统EMG“看不见”的区域也能“一网打尽”。
图3：FMEIS手势分类和肌肉力回归预测
视频1：FMEIS控制机械臂姿态
三大应用场景演示：
✅ 人机协作：在工业组装或高精度作业环境中，操作者往往需要快速、自然地与协作机器人配合完成复杂任务。传统传感器依赖显著动作或肌电信号才能识别操作者意图，响应存在滞后。而FMEIS可在肌肉微收缩、尚未产生明显动作的早期阶段，准确捕捉操作者即将进行某一操作的倾向性动作指令。通过这种“预感知”机制，FMEIS成功驱动机械臂与人类操作者实现了高精度同步配合，显著提升了工作效率与安全性，尤其适用于需精准动作协同的工业生产、装配线协作和危险环境作业中。
图4：FMEIS的人机协作应用
视频2：FMEIS实现人机协作
✅ 外骨骼辅助：在康复训练或劳动力增强场景中，FMEIS可作为外骨骼系统的“神经中枢”，根据用户肌肉的力量输出趋势，动态调节外骨骼的辅助力。在实验中，FMEIS驱动的气动手部外骨骼对握力变化响应迅速，平均延迟仅756毫秒，并在增强测试中使最大握力提升了约65%。更重要的是，在长时间握持重物的实验中，FMEIS控制下的外骨骼能够有效减缓肌肉疲劳的发生，延长操作持续性。这种高适应性的助力系统特别适用于肌肉功能减退者的康复训练、高强度作业人员的体力补偿，以及老年群体的辅助生活场景。
图5：FMEIS控制外骨骼实现助力
✅ 虚拟手术系统：在远程医疗或外科训练中，如何将医生手部动作与虚拟环境高精度对接一直是核心挑战。FMEIS在该领域的应用突破了传统基于手势或力传感器控制的局限，它可实时感知操作者的手部姿态与发力状态，并将这些肌肉信号转化为虚拟手术刀在VR环境中的精准轨迹控制。在模拟手术实验中，系统根据用户肌肉输出强度自动调节切割路径的速度、深度与宽度，实现了物理动作与虚拟响应的无缝耦合。该技术为开发无需真实手术器械、但具备高度操作还原度的虚拟手术系统提供了理想解决方案，未来可广泛应用于远程手术、教学训练和术前模拟等领域。
图6：FMEIS控制虚拟现实手术
视频3：FMEIS作为虚拟现实手术接口
更安全、更通用、更人性化：
FMEIS使用的电流为双向交流微电流，完全符合人体长期使用的安全标准。在信号采集方面，它还能与传统肌电设备兼容共用，避免数据干扰。这种可穿戴、高精度、低延迟的感知方式，标志着新一代“懂你身体语言”的人机界面正在快速崛起。
该研究由南洋理工大学王一凡教授领导，李君威博士为第一作者，研究得到了新加坡科技研究局与南洋助理教授基金的资助。
