在北京世界机器人大会的现场，观众的目光被一台机器人的操作吸引住了——它用灵巧的手指捏住一根羽毛，当有人对着指尖轻轻吹气时，传感器立即捕捉到气流带来的毫牛级力变化。这一幕展示了机器人触觉技术的最新突破。同期，多家企业展示了搭载自研芯片的6D触觉传感器、柔性电子皮肤以及高自由度灵巧手，标志着机器人触觉技术正从实验室走向产业应用。
长期以来，机器人依赖摄像头等视觉设备识别物体，但在实际操作中仍面临挑战。例如，当机器人手指接触物体时，它无法判断杯子是否滑落、瓶盖是否拧紧或零件是否卡好。这种“看得见却摸不着”的局限，早在半个多世纪前就被一位英国青年的经历所印证。1971年，19岁的伊恩·沃特曼因病毒感染失去颈部以下的本体感觉和精细触觉，尽管能感受疼痛和温度，却无法判断四肢位置或用力大小。他不得不依靠视觉重新学习控制身体，但一旦视线移开，动作便明显失控。这一案例揭示了触觉在人机交互中的不可替代性。
如今，机器人正面临类似困境。在核电站反应堆堆芯的检修任务中，机器人需在水下取出异物，如护目镜。摄像头可帮助定位目标，但抓取时力度的微小偏差可能导致物体滑脱或破碎。北京邮电大学教授方斌指出，视觉擅长观察，而操作必须通过接触完成。传统工业机器人因任务固定，可通过预设程序完成操作，但具身智能机器人需在开放环境中处理未知物体，这要求它们不仅感知合力，还需理解接触位置、物体状态及调整策略。
触觉智能与传统力控的区别在于，后者仅提供数值，而前者需理解数值的含义。例如，5牛顿的力可能意味着物体即将滑落或易碎，机器人需据此决定是否调整力度。千觉机器人创始人马道林以零件装配为例，说明机器人需通过触觉推断零件是否对准或受阻。北京大学研究员朱毅鑫的柜门实验也验证了这一点：四个外观相同的柜子因开启方式不同，机器人仅靠视觉无法判断，需通过触觉反馈选择策略。
触觉技术的必要性还体现在安全领域。斯坦福大学教授鲍哲南比喻，缺乏触觉的机器人如同戴厚手套操作精细工作，难以完成穿针引线等任务。与人协作时，触觉反馈可避免因用力不当造成的伤害。中国数亿产业工人每天在产线上完成拧螺丝、装配零件等依赖手感的操作，这些场景是机器人触觉技术的重要应用方向。
随着机器人从重复搬运转向柔性制造，触觉技术从实验室研究成为产业焦点。目前，触觉传感器的技术路线多样。压阻式和电容式传感器通过材料变形判断压力，成本较低但易受环境干扰；磁式方案利用霍尔元件感知位移，适合指尖但可能受外部磁场影响；视触觉技术则在指尖内部安装摄像头，通过拍摄材料形变推算接触信息，空间分辨率高但系统复杂。戴盟机器人合伙人张栋认为，未来可能采用“各司其职”的方案：指尖使用高分辨率视触觉，手掌等部位使用低成本电子皮肤。
产业链各环节对“好触觉”的定义存在差异。传感器厂商关注量程和灵敏度，灵巧手企业重视结构兼容性，算法层则强调信号稳定性。具身算法研究员天南和瓦力发现，实验室指标与量产实物间可能存在差距，例如某款灵巧手的多次测量差异达百分之几十。行业缺乏标准化评测基准，不同团队使用不同传感器和任务口径，导致技术路线难以横向比较。
触觉数据的稀缺性是另一挑战。与视觉数据不同，触觉数据需通过真实接触产生，且需同步记录视觉、动作和关节状态等信息。丁文伯团队建设的HumanTouch数据集试图将多模态信息放在同一条时间线上，以帮助机器人理解动作如何作用于真实世界。然而，数据采集成本高昂，仿真技术虽可扩大场景覆盖范围，但无法完全替代真实接触。
即使拥有数据，模型也未必有效利用触觉。天南和瓦力发现，加入触觉信号后机器人能完成任务，但仅用视觉训练也可能达到类似效果。马道林提到一项研究：在经典模型中直接拼接触觉输入后，任务成功率反而下降。这表明，触觉模型需学习接触、受力和形变之间的关系，而非简单增加输入接口。
触觉技术可能成为世界模型理解物理世界的关键拼图。世界模型需在内部构建预测物理演化的“虚拟沙盘”，视觉提供全局环境信息，触觉则补充压力、滑动和形变等细节。朱毅鑫认为，具身智能的难点在于机器人需通过动作改变世界，并根据物理后果调整行为。中国拥有全球最完整的制造业体系和大规模产业工人，这些场景为触觉数据采集提供了丰富资源。中国在灵巧手、机器人整机和大模型等领域已形成产业集群效应，若能实现从传感器到场景落地的闭环，将有望把场景规模转化为技术优势。
