具身智能的“最后一块拼图”：详解机器人触觉｜实地探访前线实验室

摘要

硅谷101實地走訪觸覺感測器新創一目科技的實驗室與試產車間，系統性拆解機器人觸覺技術的五種感測路線（壓阻式、壓電式、電容式、光學式、磁感應）與其優劣，並深入解析目前精度最高的光學式（視觸覺）在材料、結構、演算法、成本四方面的技術挑戰。影片也剖析了觸覺數據採集的悖論（要採集觸覺就得先屏蔽人手的觸覺）、觸覺與其他模態的頻率不匹配問題，以及業界對觸覺模型應單獨訓練或與視覺融合訓練的路線分歧。

重點

• 觸覺可拆解為力的感知（靜態力、動態力）與形態學感知（材質、粗糙度）兩種維度，市面主要有壓阻、壓電、電容、光學、磁感應五種感測技術路線
• 光學式觸覺（視觸覺）源自麻省理工學院研究者二〇〇九年提出的概念，人類指尖約有一萬兩千個神經元感知點，目前光學式觸覺感測器已可做到二十四萬個感知點、超越人類
• 光學式面臨材料（軟、耐磨、薄三者互斥）、結構（縮小尺寸受限於攝影機對焦距離）、演算法（標記點法、紋理分析法、光度立體法三種）、成本（單指千元級）四大挑戰
• 觸覺數據採集存在根本悖論：採集人類觸覺示範動作時必須用感測器隔開人手，反而屏蔽了操作員自身的觸覺，導致示範品質下降；織物手套密度不足（每手僅約五百個感知點）難以捕捉精細操作
• 解決數據荒的路徑是仿真合成（如 Nvidia Isaac Lab 等框架），透過軟接觸模型近似有限元計算大幅加速，仿真準確率可達九成以上，真機與仿真數據搭配比例業界估計約一比一甚至更高
• 觸覺應用曾出現加了模態反而效果下降的反直覺現象，業界透過端到端學習、觸覺編碼器與異步執行架構（觸覺專家高頻獨立修正、動作專家低頻規劃）來解決頻率不匹配問題

金句