具身智能领域的触觉技术正成为机器人产业的新焦点，多家企业加速布局触觉感知赛道，推动该领域进入快速发展期。据不完全统计，自今年7月以来，国内触觉感知赛道已完成至少8起融资，总金额突破25亿元，并催生出两家估值超百亿元的独角兽企业——帕西尼与一目科技，二者最新融资规模均达10亿元级别，与机器人本体企业相当。
行业人士指出，触觉感知已成为机器人实现复杂操作的关键能力。传统机器人依赖视觉系统完成抓取任务，但在面对遮挡、柔性物体或精细操作时存在局限。例如，从包中抓取物品时，腕部摄像头无法捕捉夹爪与物体的接触状态，导致任务失败率较高。而搭载触觉传感器的机器人可通过接触压力、摩擦力等数据动态调整抓取策略，显著提升操作成功率。千觉机器人创始人马道林以耳机放入充电盒为例说明，触觉感知可弥补视觉遮挡带来的偏差，实现近零点几毫米的公差控制，满足高精度任务需求。
目前，触觉技术已衍生出多条发展路径。主流方案包括压阻式、电容式及霍尔效应式传感器，而视触觉传感器作为新兴方向备受关注。该技术通过摄像头捕捉软胶材料受力后的形变，结合视觉算法重建三维接触面与受力分布。千觉机器人选择视触觉路线作为核心方向，其自主研发的传感器具备空间分辨率高、抗电磁干扰等优势，并通过模块化设计降低维护成本——仅需更换表面柔性材料即可复用高价值部件。马道林透露，随着客户采购量增加，传感器单价已有所下降。
另一类企业则尝试通过计算从人类视频中提取触觉信息。智在无界开发的密集触觉伪标签系统TactoHand，无需穿戴触觉手套或额外传感器，即可从无标注视频中推断手部与物体的交互细节，包括接触概率、抓取力度等。该公司负责人李明坦言，此类估算数据精度低于硬件采集，但可通过引入部分高质量数据弥补缺陷。其推出的Being-H0.8模型即结合了大规模人类视频与触觉传感器数据，将触觉模态引入隐式世界模型架构。
数据稀缺与训练范式调整是触觉技术落地的两大挑战。行业普遍面临触觉数据量不足的问题，高质量数据规模可能仅在万小时级。硬件采集成本高昂是主要原因之一——触觉手套及专业设备价格可达数万元甚至十余万元，且传感器寿命有限，长期使用易损坏。现有数据多样性不足，多数采集自单一背景的工厂场景。智在无界的技术路线虽能规避硬件成本，但数据标注难度极大，需精准对应触觉数值与视觉、动作、物体状态等多维度信息。大晓机器人提出的环境式数据采集方案2.0，通过多传感器同步将信号误差控制在1毫秒内，以提升数据可用性。
触觉数据与现有模型的融合亦存在技术瓶颈。斯坦福大学研究显示，直接将触觉力信号拼接到预训练模型中可能导致任务成功率下降，原因涉及多模态信息对齐、频率差异及表征浅层化等问题。千觉机器人探索出分阶段训练范式：先优化原有视觉-语言-动作（VLA）模型性能，再规范化引入触觉信息。马道林强调，此方法可平衡模型复杂度与训练成本。相比之下，显式世界模型因需精确还原物理世界，训练数据达50万小时时成本可能高达亿元，而隐式路线通过压缩关键信息至表征空间，能有效降低资源消耗。
当前，千觉机器人与智在无界均聚焦于具身“大脑”研发。前者定位为触觉基础设施提供商，收入主要来自数据产品与采集方案，同时探索模型场景落地；后者则与硬件企业合作提供模型支持，并开展商业落地的概念验证（POC）。随着技术迭代与资本涌入，触觉感知正从实验室走向真实场景，为机器人产业开辟新的增长空间。
