机器人技术正经历从程序执行到智能交互的重大变革，触觉感知作为实现精细操作的核心能力，其发展水平直接影响人机协作的深度。然而，现有系统在感知维度、分辨率和信号解析能力上仍与人类存在显著差距，导致机器人常陷入"有感无知"的困境。针对这一挑战，科研团队从鸽子独特的感知系统获取灵感，成功研制出仿生多模态触觉传感器SuperTac，相关成果登上《Nature Sensors》创刊号封面。
研究团队构建的SuperTac系统突破性地将多光谱成像、摩擦电传感与惯性测量技术融为一体。该传感器通过模拟鸽子视网膜的多光谱感知机制，集成了覆盖紫外至中红外波段的超宽频成像模块，可同步获取物体形状、纹理、颜色及温度信息。在非成像感知方面，1毫米厚的传感器皮肤内嵌摩擦纳米发电机和惯性测量单元，既能通过接触起电原理识别材质（准确率达95%），又能捕捉0-60Hz的振动信号，实现接近觉感知与空间姿态监测的双重功能。
传感器核心的光场调制皮肤采用创新设计，其外层导电层运用透明PEDOT:PSS材料，通过涡旋线电极布局实现均匀电学信号输出。单向透视反射层作为光学开关，可根据内部LED状态切换透明度：当光源开启时，反射层转为不透明状态，配合CMOS单元捕捉皮肤形变；光源关闭时则变为透明，使传感器直接获取物体颜色信息。紫外荧光标记层的加入，进一步实现了形变监测与纹理检测的解耦，确保复杂抓取过程中同步获取切向滑动与表面细节。
为解决触觉信号的语义转化难题，研究团队开发了拥有85亿参数的触觉语言大模型DOVE。该模型采用分层架构，以预训练语言模型Vicuna为骨干，并行集成四组CLIP模态编码器，将颜色、纹理、温度等触觉特征转化为深层特征向量。通过三阶段训练策略，模型先利用CLIP实现异构信号的图像化表征，再通过投影层完成触觉-语言空间对齐，最终通过微调使系统具备常识推理能力。这种设计使机器人能够建立操纵目标的"物理画像"，例如将未知杯子的触觉信息转化为"黄色、室温、金属材质、凸起纹理"的描述。
在应用测试中，SuperTac系统展现出强大的环境适应能力。面对未知物体时，DOVE模型可实时融合多模态数据，不仅完成基础识别，还能结合常识进行功能推理。在垃圾分拣实验中，系统通过分析物体的PET特征与轻薄结构，准确判定其为塑料饮料瓶，并依据环保常识建议投入可回收垃圾桶。这种从物理感知到语义认知的跨越，使机器人具备了类人的具身交互能力，能够根据触觉反馈做出逻辑决策。
该技术的突破为机器人感知领域开辟了新方向。硬件层面，传感器微型化与高集成封装设计显著提升了灵巧手的操作灵活性，低功耗芯片的应用则解决了高负载下的散热难题。认知层面，DOVE模型的模态无关框架可通过优化传感器配置持续增强泛化能力，其专用数据集的构建为自然人机交互奠定了基础。这项研究标志着机器人触觉感知向人类水平迈出关键一步，有望在医疗、制造、服务等领域引发变革。
