本届世界机器人大会上，触觉感知成为全场最受关注的技术方向。越来越多从业者意识到，单纯依靠视觉模仿学习难以支撑机器人落地，触觉作为物理交互核心感官，是突破场景泛化瓶颈的关键。
展会展品百花齐放，但走出展馆回到真实产线，落地痛点依旧显著：大量机器人企业卡在批量交付环节，实验室算法难以适配复杂工业环境。行业共识愈发明确，具身智能产业化不能急于求成，优先实现机器人稳定、可靠完成实操任务才是核心。
机器人与物体接触瞬间的力控、防打滑、材质识别难题，是当下任务失败高发区。视觉无法捕捉接触反馈，模仿学习又难以复刻人类触觉经验，导致机器人面对未知物体、复杂工况极易失误。
立足这一行业痛点，深耕触觉赛道的他山科技，依托可规模化量产的触觉传感器产品，在WRC展示“感知—数据—自主学习”触觉闭环方案，尝试从底层解决机器人物理交互能力不足的问题。
01.
仅靠视觉模仿，不足以理解物理世界
当前具身智能主流路径是模仿学习——采集人类操作数据，让机器人模仿。这条路线在实验室环境已经得到验证，但面向真实场景落地时，仍面临几处明显局限：
首先是视觉数据难以完整承载物理交互信息。人类拿起一枚鸡蛋时，能够感知所需力度、实时调整抓取姿态，这类触觉反馈无法依靠视觉捕捉。机器人仅能复现动作轨迹，难以习得力度把控、材质分辨这类关键能力。
其次，人机转换过程会存在信息损耗。人类演示数据需要转化为机器人可识别的格式，但人体手指灵巧度、关节自由度、传感器布局与机器人本体存在天然差异，转换环节容易丢失大量交互细节。
再者，模型泛化能力存在短板，场景适配性不足。在实验室训练完成的抓取模型，一旦进入真实产线，当物体形状、材质、摆放姿态发生变化，任务成功率便容易出现明显下滑。
追根溯源，核心症结在于：机器人缺少适配自身本体的感知能力去理解物理世界，也缺少原生交互数据支撑长期持续学习。
02.
如何让机器人拥有"自己的感官"？
要让机器人摆脱对人类演示数据的依赖、自主理解物理世界，搭建适配本体、能够捕捉力学交互信息的触觉感知体系，是第一步。机器人想要获得原生物理交互数据，前提是拥有一套属于自身的触觉感官。在本届WRC上，他山科技展出全系列触觉感知产品，构建起一套从末端指尖、灵巧手掌到机器人本体全身覆盖的立体触觉感知矩阵，补齐机器人物理交互感知的关键缺口。
整套产品遵循由局部精细感知延伸至全身安全感知的布局思路。最先落地、也是操作交互最核心的场景，是机械手触觉方案。TS-F系列全手传感器模组打破行业长期“指尖单点传感”的传统方案，实现指尖、指腹到手掌全域触觉覆盖，还原人类手部触觉分布逻辑；具备0.01N高精度力分辨率、可识别30余种材质，同时搭载1cm以上接近觉感知，并经过300万次动作、1000N过载的耐久测试。
其中TS-F指尖触觉传感器进一步集成接近觉、三维力检测、温差与纹理感知，能够在接触物体前预判物体距离，让机器人提前调整姿态、规划操作路径。在此基础上迭代的TS-FT多模态传感器，新增温度感知维度，3秒内可捕捉-40℃至120℃区间的温度变化，实现触觉与温感融合。这项能力并非单纯技术叠加，而是对标人类多维度触觉感知，拓宽机器人对物理环境的感知边界，持续完善类人触觉体系。
当机械手完成精细化操作感知，机器人本体还需要全局安全感知能力。TS-EST多模态电子皮肤支持机器人全身部署，在保持0.01N力分辨率、0.1°C温度检测精度的同时，同样具备1cm以上接近觉，让机器人在发生物理碰撞前完成安全预判，兼顾操作灵活性与运行安全性。
感知硬件持续产出高质量触觉信号，离不开底层芯片的算力支撑。绿宝石E10A芯片作为全球首款动态触觉感知芯片，借助ASC技术将触觉信号直接转换为脉冲信号，采用事件驱动、稀疏计算架构，实现微秒级响应与超低功耗。如同人类神经系统，机器人无需等待中央处理器统一运算，就能对触觉刺激快速做出反应，大幅缩短交互响应延迟。
这套分层布局的触觉感知体系，核心目标是让机器人依靠自身感官直接采集物理交互数据，摆脱人类示范带来的信息损耗。依托完整的技术矩阵，他山科技的产品已经获得产业链广泛验证，目前已与国内外180余家机器人产业链客户达成深度商业化合作，覆盖银河通用、自变量、星动纪元等人形机器人整机企业，以及因时机器人、强脑科技、灵巧智能等灵巧手头部厂商，从侧面印证了触觉感知方案在行业内的落地价值。
03.
物理交互如何转化为可训练的数据？
当前具身智能行业正在形成新共识：单纯依靠人类视频、动作演示的模仿学习已经逼近上限，想要推动机器人走向真实场景，规模化采集机器人本体的原生多模态物理交互数据，成为下一阶段竞争焦点。但现实是，当前触觉数据采集依旧是行业突出短板：传统采集方式大多依附人类示范，存在信息损耗；触觉数据缺少标准化采集、标注工具链，数据难以复用；视觉与触觉模态割裂，无法同步融合记录真实交互过程。
有了精准触觉感知硬件，下一步便是打通物理交互信息向训练数据转化的链路。针对行业数据痛点，他山科技推出两套互补方案，分别面向人机协同数据采集与机器人自主闭环数据采集两大场景。
面向人机协同采集场景，TS-ECHO触觉感知指套提供轻量化解决方案。设备佩戴于操作人员手指，在人工操作过程中同步记录接触、受力、滑移等交互状态，输出可训练、可同步、可标注的高质量触觉数据，并且支持与视觉、动作、语言模态融合采集。这套系统能够补齐纯视觉演示缺失的力觉信息，服务于机器人操作学习、世界模型、VTLA等前沿研究方向，推动机器人从单纯“看见世界”走向理解物理交互规律。
面向机器人自主作业场景，TS-V视触融合训练平台与TS-VT视触融合数据采集平台形成完整闭环。TS-V侧重落地应用，集成视觉与触觉多模态传感，让机器人在复杂环境下实现各类物体稳定抓取，实时感知接触状态与受力变化，自适应调整夹爪动作；TS-VT则聚焦底层数据基建，提供专业化的多维触觉数据记录、标注与导出能力，兼容多款主流灵巧手、夹爪末端执行器，可稳定采集三维力、接近觉、触点变化等关键参数，为触觉算法训练、机器人交互性能评估提供标准化数据基础。
但搭建完整的物理交互数据转化体系，单一企业难以独立完成。触觉数据标注、清洗门槛远高于视觉数据，行业尚未形成成熟工具链，想要实现视觉与触觉多模态信息同步采集、融合复用，需要产业链多方能力互补。为此，他山科技围绕多模态数据采集持续拓展生态协同，联合瞰瞰智能、协创数据、奥比中光等产业链伙伴共同探索一体化解决方案。
依托瞰瞰智能在机器视觉、车载光学领域的成熟布局，双方打通视觉成像与触觉传感的数据链路，面向工业、服务场景联合开发适配复杂作业环境的多模态感知方案，让视觉轨迹与触觉力觉信息能够同步捕捉、协同解析。
针对行业普遍面临的数据标注、数据集管理短板，他山科技携手协创数据，整合对方Ego视角头眼部采集设备与他山触觉指套，打造联合数据采集方案，搭建覆盖原始数据采集、多模态融合、数据标注、数据集管理的全链路工具链，有效降低行业使用多模态交互数据的门槛。
他山科技触觉感知指套等新品同步在京东平台上线，专业触觉传感产品从B端行业市场，走向更加广阔的综合性渠道，向消费级开发者、中小企业展示触觉数据采集落地方式，拓宽触觉技术市场触达范围。
从光学视觉、数据标注工具到多模态感知融合，一系列生态协同持续补齐触觉技术落地的配套能力。外部合作与他山自研的触觉硬件、数据采集方案、强化学习训练底座相互结合，共同推动完整的具身智能触觉生态落地，持续降低行业获取、使用原生物理交互数据的门槛。
04.
机器人能从"模仿"进化到"自主学习"吗？
有了感知硬件与持续产出的交互数据，核心命题随之而来：如何让机器人真正掌握操作能力。这也是他山科技联合2024年图灵奖得主、“强化学习之父”理查德·萨顿（Richard S. Sutton）团队共建“机器人幼儿园”的出发点。
模仿学习的底层逻辑是复制人类经验，而强化学习依靠机器人自主积累经验。强化学习最大优势在于泛化能力更强，机器人经过持续试错习得通用操作策略，而非固化动作模板，面对新场景拥有更强适应能力。但这条路线长期存在显著短板：需要海量试错迭代，实施成本高、训练周期长，直接在真实物理环境中大规模开展试错并不容易。
“机器人幼儿园”瞄准的正是这一矛盾：搭建一套可行方案，让强化学习能够在真实物理环境中落地实践。
这座聚焦“触觉与机器人持续学习”的产学研联合实验室将于2026年9月1日正式开园。依托他山自研触觉感知技术底座，“机器人幼儿园”为机器人打造四大核心条件：高容错试错环境、分阶递进学习路径、持续多模态真实交互、内在动机驱动的自适应反馈。结合萨顿团队的强化学习理论，机器人可以像人类幼儿一般，依托持续不断的交互反馈，在真实物理环境里循序渐进试错成长，逐步习得通用操作能力与环境适应能力。
在本届WRC现场，搭载触觉感知系统的机器人直观演示了这套进化思路，可以清晰分为两个阶段。第一阶段是基础本体安全感知：机器人具备类似“感知疼痛”的触觉反馈能力，接触风险物体或受到外力冲击时及时调整动作，优先保障本体安全，这是机器人开展持续自主学习的先决条件。在此基础上，进一步实现步态层面的自适应优化，依托触觉反馈实时调整行走姿态。
现场借助新品电子皮肤TS-EST进行互动展示，机器人行走过程中融合模仿学习与强化学习，依靠触觉信号实时输出步态反馈。不同于依靠炫技式空翻吸引关注的展示路线，这套方案展现出循序渐进、持续迭代的进化路径。但客观而言，强化学习依旧需要大量试错，机器人仍会在训练过程中出现失衡、摔倒，核心区别在于：依托触觉持续反馈，机器人能够从每一次交互中汲取有效信息，持续修正策略，逐步提升环境适应能力。这也是具身智能从“被动模仿的数据时代”走向“自主进化的经验时代”的重要探索。
“机器人幼儿园”实体园区将于9月1日正式开园，现阶段持续面向行业招募生态合作伙伴。
05.
结语与未来：
具身智能走向真实场景没有捷径。行业当下普遍关心机器人何时能够胜任实际工作，而他山科技尝试解答更底层的问题：机器人如何持续学习、掌握物理交互能力。机器人想要真正理解物理世界，关键或许不在于打造更加灵巧的机械结构，而在于搭建一套让机器人自主积累经验、持续迭代的技术体系。这套体系能否在更多场景中打磨验证，也将影响整个领域后续的技术探索方向。
热门跟贴