在今年的世界人工智能大会（WAIC）上，一款搭载触觉传感器的按摩机器人吸引了众多参观者的目光。这款机器人不仅提供了舒适的按摩体验，更引发了关于机器人触觉技术发展的深入讨论。英伟达创始人黄仁勋曾指出，“触觉”是具身智能发展的关键环节，这一观点在行业内引起了广泛共鸣。那么，触觉技术究竟如何赋能机器人，使其变得更加智能和高效？
触觉对于机器人执行复杂任务的重要性不言而喻。以分辨真假花生为例，人类可以通过触摸感知到假花生的冰凉、光滑和沉重，而缺乏触觉的机器人则难以完成这一任务。一目科技创始人李智强解释道，触觉包含了对“力”和“形态学”的感知，这些信息对于机器人理解物体特性至关重要。例如，抓握物品时需要感知手指施加的压力，而滑动时则需要捕捉高频信号以防止物品掉落。
目前，触觉传感器技术主要有五种实现路径：压阻式、压电式、电容式、光学式和磁感应。压阻式传感器通过测量电阻变化来反推压力，具有成本低、技术成熟的优点，但易受环境因素影响。压电式传感器则对变化的力敏感，适合检测振动和冲击，但难以测量静态力。电容式传感器灵敏度高、响应速度快，但动态范围有限。光学式传感器通过摄像头检测材料形变，精度高但成本较高。磁感应传感器则利用磁场变化推算形变量，但易受电磁干扰。
在众多技术路线中，光学式触觉传感器因其高精度而备受关注。这种传感器通过在柔性材料背面设置照明层，并利用底部摄像头实时检测材料状态，能够同时解算接触形貌和接触力。MIT教授Edward Adelson团队提出的GelSight技术便是光学式传感器的代表，其分辨率甚至超过了人类指尖的感知能力。然而，高精度也带来了高成本和复杂的制造工艺，这成为光学式传感器大规模应用的障碍。
为了平衡成本和性能，多传感器结合成为行业共识。亚德诺半导体人工智能总监于弢指出，不同部位对触觉精度的要求不同，指尖需要高分辨率的光学式传感器，而手掌和手臂则可以使用成本更低的压阻式或电容式传感器。触觉传感器还需要与其他传感器如加速度计或麦克风结合，以捕捉高频振动信号，从而更全面地感知环境。
触觉技术的发展离不开大规模高质量数据的支持。然而，触觉数据的采集面临诸多挑战。于弢表示，采集触觉数据需要在人手和物体之间设置隔离层，这会屏蔽人自身的触觉，降低示范质量。现有采集设备笨重，影响操作员行为，且数据密度不足，难以满足精细操作的需求。为了解决这些问题，行业正在探索更薄的传感器和更舒适的数据采集设备，同时利用仿真技术生成合成数据以补充真机数据。
仿真技术在触觉数据生成中发挥着重要作用。通过在虚拟环境中模拟真实场景，可以批量采集不同数据，从而加速模型训练。英伟达的Isaac Lab框架为触觉仿真提供了有力支持，能够模拟触觉传感器接触不同物体时的形变程度和光路变化。然而，仿真数据与真实数据之间仍存在差距，尤其是在柔性物体模拟方面。因此，仿真数据需要与真机数据结合训练，以提高模型的泛化能力。
在算法模型应用方面，触觉技术也面临诸多挑战。直接将触觉信号输入行为模型可能导致任务成功率下降，这是因为触觉信号维度多、频率高，难以直接与低频的视觉语言模型结合。为了解决这一问题，行业正在探索端到端模型和编码器技术。端到端模型通过自监督学习直接处理触觉信号，无需人为定义规则；而编码器则能够对触觉信号进行语义理解，提取关键信息后再输入主干网络。异步执行架构如MoT（Mixture of Touch Experts）通过独立运行触觉专家，实现了高频触觉反馈与低频视觉语言模型的结合，提高了机器人的响应速度和任务成功率。
随着技术的不断进步，触觉传感器正逐步走向量产。然而，量产过程中最大的难题在于保证性能的一致性。触觉传感器对制造工艺要求极高，任何微小的偏差都可能导致输出力不准确，从而影响任务执行。为了解决这一问题，一目科技等企业正在优化生产工艺，通过精密组装和自动化测试验证工艺参数的稳定性。同时，行业也在推动标准化自动化设备的研发，以降低量产成本并提高生产效率。
