Sci Adv：自适应智能电子皮肤——加州理工高伟团队开发可穿戴设备感知人体状态与疲劳信号

无论是长时间驾驶、持续工作，还是高强度

运动

，疲劳都会在不知不觉中逐渐积累，并对人体机能产生影响。它不仅会降低注意力和工作效率，还可能增加操作失误与安全事故的风险。然而，人体机能与疲劳状态并不是能够通过单一指标轻易衡量的。心跳、肌肉活动、皮肤出汗和体温等生理信号都可能随疲劳发生变化，而且不同人的反应往往并不相同。因此，如何在日常环境中连续、客观地评估人体机能与疲劳状态，仍然是可穿戴健康监测领域面临的重要挑战。

2026年7月31日，加州理工学院医学工程系和计算与数学科学系团队在

Science Advances

杂志在线发表题为

“Human-inspired time-series health evaluation with an adaptive multimodal electronic skin”

的研究文章。该研究由高伟教授和岳一松教授共同指导，许昌浩和郑宏楷为共同第一作者。研究团队开发了一套名为ARISE的自适应多模态电子皮肤系统，使可穿戴设备不仅能够采集多种生理信号，还能像人类学习新知识一样，从大量没有人工标签的数据中总结规律，并快速适应新的健康评估任务。

目前，许多可穿戴设备仍只能采集一种或少数几种生理信号。即使同时获得多种数据，这些信号在采样速度、数值范围和生理意义上也存在明显差异，并容易受到

运动

、佩戴位置和环境变化的干扰。传统分析方法通常需要研究人员根据经验手动提取特征，再针对每一项任务单独训练模型，不仅耗时，也依赖大量已经标注的数据。当设备、使用者或应用场景发生变化时，原有模型的表现也可能下降。

电子皮肤是一类能够贴合人体表面的柔性可穿戴设备。ARISE平台可贴附在手腕上，同时采集脉搏、肌肉活动、出汗变化和皮肤温度等多种生理信号。该系统首先从大量未标注数据中学习不同生理信号随时间变化的一般规律，再利用少量标注数据快速适应活动识别和疲劳评估等具体任务。简单来说，它不仅能够记录人体信号，还可以进一步判断这些信号所反映的活动和疲劳状态。在多种日常活动以及认知和身体疲劳实验中，ARISE的活动识别准确率达到94.7%；在论文采用的评价标准下，疲劳评估达到90.2%。研究还表明，该系统能够适应不同使用者和使用场景，为连续人体状态监测提供更加灵活的方法。

图 用于人体机能监测的自适应智能电子皮肤(ARISE).

这一研究的意义并不只是开发了一台“疲劳检测器”。更重要的是，它展示了一种适用于复杂可穿戴时间序列数据的通用分析思路：先从无标签数据中学习可重复使用的生理信号表征，再将这些知识迁移到不同任务中。相比为每一种传感器、每一类使用者和每一个任务重新设计数据处理流程，这种方法有望减少对人工特征设计和大量标注数据的依赖，并拓展其在个性化健康

管理

、人机交互、运动训练和人体状态监测等领域的应用。

未来的可穿戴设备或许不再只是被动地记录心率、温度和运动数据，而是能够学习不同生理信号之间的联系，理解人体状态如何随时间变化，并以更少的数据快速适应新的使用者和应用场景。通过让电子皮肤从“采集数据”迈向“理解数据”，ARISE为连续人体状态评估和新一代智能可穿戴技术提供了新的发展方向。

原文链接：