在机器人技术不断向真实场景渗透的进程中，对物理世界的精准理解成为突破瓶颈的关键。这种理解不仅涵盖物体的外观、位置和运动轨迹，更涉及接触时产生的三维受力、形变、位移、摩擦、材质特性及温度变化等复杂信息。其中，视觉系统虽能捕捉物体表面特征，但难以穿透表象获取接触后的物理反馈，而触觉感知恰好填补了这一空白，成为机器人融入现实世界的重要能力支撑。
近期，专注于机器人触觉技术研发的一目科技宣布完成超10亿元E轮融资，投后估值突破百亿元。本轮融资由多家一线人民币基金、国际头部美元基金及产业资本联合参与，资金将用于推进具身智能触觉感知材料、芯片、算法及模型的研发，同时加速规模化量产与订单交付。这一融资动态折射出机器人产业对触觉技术的迫切需求，也标志着触觉感知正从实验室走向产业应用的核心舞台。
以人形机器人递水场景为例，其操作流程需多模态感知协同：视觉系统定位水杯并规划抓取路径，而触觉系统则需实时判断水温、杯身材质与重量，动态调整手指力度——既避免捏扁纸杯，又防止因用力不足导致滑落。拿起水杯后，机器人还需持续感知杯身偏移、水面晃动等细节，通过反馈调整抓握姿态，最终平稳完成递送。这一过程表明，触觉感知提供的三维力、位移、接触状态及温度等物理信息，是机器人实现精细操作的核心要素，其缺失将直接限制机器人在复杂场景中的适应能力。
当前，机器人触觉技术主要分为压阻式、电容式与视触觉三条路径。压阻式传感器结构简单、成本较低，电容式则以高灵敏度见长，但二者在空间分辨率、环境适应性及长期稳定性方面存在局限。视触觉技术通过在传感器内部集成微型光学系统，将接触导致的柔性表面形变转化为图像，再由AI算法解析为压力分布、剪切力、接触位置等触觉信息。这种技术路线不仅能在小面积内获取形状、纹理、压力等多维数据，还具备更强的耐用性与稳定性，更适配抓取、装配等精密操作场景，因此成为一目科技的技术选择。
尽管视触觉技术在实验室阶段已验证可行性，但其产业化仍面临多重挑战。制造一致性是首要难题：传感器作为微型光学系统，需确保批量生产中光源、成像器件与弹性材料等组件的光学性能与成像质量高度统一，这对微纳制造与光学设计提出严苛要求。长期可靠性同样关键：工业场景中，传感器需承受数百万次按压与摩擦，材料寿命、结构密封性及封装工艺均需经受考验。AI算法需适应真实世界的复杂性——不同材质、形状的物体，以及温度、光照等环境变化，均要求算法具备强泛化能力，在未知场景中保持稳定输出。成本则是产业化绕不开的门槛：早期实验室传感器造价高昂，唯有通过工艺优化、供应链整合与良率提升，将成本降至产业可接受范围，才能推动触觉技术的规模化应用。
一目科技的技术积累为其突破产业化瓶颈提供了支撑。公司在微光谱研发中形成的光学设计能力，可精准控制传感器内部光路与成像效果；微型传感器制造经验则助力器件小型化、封装与批量生产；数据工程与AI算法能力则负责将接触图像转化为压力、剪切力等触觉信息。其推出的视触觉传感器厚度不足3毫米，达到全球可量产最薄水平，实现了厚度、一致性、可靠性与规模化生产的平衡，为触觉技术走出实验室提供了关键范例。
触觉技术的产业化不仅依赖传感器部署，更需构建完整的数据闭环。当前机器人模型训练以视觉、语言及动作轨迹数据为主，而触觉数据能补充接触后的物理信息，如施力大小、物体滑动状态及形变程度等。一目科技通过硬件感知、触觉理解算法与模型训练的三层架构，实现了这一闭环：硬件层通过传感器记录接触过程中的多维物理信息；算法层将原始触觉图像转化为机器可理解的接触状态判断；模型训练层则将接触数据、机器人动作与任务结果关联，形成可用于优化操作策略的训练数据。例如，抓取任务中，系统可记录施力大小、物体滑动情况及抓取结果，随着数据积累，模型逐渐掌握不同物体与任务的操作策略。
随着触觉数据规模扩大，数据标准化成为技术迭代的关键。不同传感器的硬件结构、数据格式与标注方式差异，导致同一接触动作在不同设备上呈现不同信号，形成“数据孤岛”。视觉AI的快速发展得益于ImageNet等标准化数据集的统一框架，触觉领域同样需要类似的基础设施。为此，一目科技联合国际顶尖机构推进开源触觉数据集项目TouchNet，旨在建立覆盖数据采集、标注、存储、评测与使用的统一标准，并向行业开放部分数据与工具能力。这一举措将促进触觉数据在不同机器人设备、任务场景与模型间的流动，降低企业重复搭建数据体系的成本，加速触觉模型的迭代与应用。
从传感器硬件到数据标准，再到机器人技能生态，一目科技正构建一条贯穿感知、数据与算法的技术链路。其布局可分为三阶段：首先通过视触觉传感器与理解算法，搭建Physical AI的“感知与神经系统”；其次推动触觉系统进入更多机器人设备与真实场景，持续产生训练数据；最终构建机器人技能生态，将操作过程沉淀为可积累、迁移与复用的技能。例如，机器人在一种设备上学会稳定抓取易碎物体后，其触觉反馈与控制策略可迁移至其他机器人或相似任务，降低新任务训练成本。此次大额融资不仅关注传感器本身，更看重其连接物理世界与AI系统的基础设施价值——触觉感知补全了机器理解物理世界的关键拼图，而Physical AI的终极目标，是让智能体在真实环境中感知、行动，并通过持续交互实现进化。
