为什么触觉智能是机器人技术的重要突破口？

物理人工智能正在推动一场新的工业革命，将AI从纯粹的数字化能力，转变为能够在物理世界中感知、交互和执行的智能力量。

近年来，视觉模型与语言模型使得机器具备了识别图像、理解指令和生成内容的能力。

然而，随着机器人从工厂和仓库走向医院、家庭等真实环境，根本性的挑战已不再只是它们能否“感知”和“理解”世界，而是能否在实际场景中可靠地互动和操作。

机器人需要完成抓取、装配、搬运、检测以及与人类协作等任务，同时还需要感知接触、压力、摩擦、形变及材料状态。因此，物理AI的下一阶段将不再以构建更大规模的模型为标志，而在于发展更丰富、更全面的物理感知能力。

这一转变正变得日益紧迫，因为机器人正从实验室走向大规模工业部署。

根据国际机器人联合会（IFR）发布的《2025年世界机器人》报告，目前全球有近467万台工业机器人在运行，预计到2028年，全球工业机器人年安装量将超过70万台。

世界经济论坛《2025年未来就业报告》也指出，预计到2030年，当前22%的工作岗位将经历结构性变革。

尽管需求日益增长，工业自动化仍面临关键瓶颈：能够在复杂真实环境中安全、可靠且自适应运行的系统依然严重不足。

当前机器人系统面临的根本瓶颈之一，在于其对视觉感知的严重依赖。

在遮挡、反光表面、弱光条件、透明物体、柔性材料及精密装配等场景中，视觉数据的可靠性会大幅下降，难以支撑精确操作。

而触觉感知能够提供关于接触、力与形变的直接反馈，从而弥补这些关键的感知短板。

ACTOR的研究也表明，触觉感知不受物体透明性的影响，能够提供关于物体形状和方向的更可靠信息。因此，触觉感知已成为机器人在现实世界中实现安全、可靠和自适应操作的关键能力。

而在工业实践中，触觉智能的必要性已经被反复验证。亚马逊的仓储机器人Vulcan，正是为了在货架上处理各类复杂商品时能够同时调用视觉与触觉而设计的。

据《连线》杂志报道，Vulcan利用力信号来感知接触状态，并已在德国汉堡和美国斯波坎的履约中心投入使用。

据《The Verge》报道，Vulcan能够处理约75%的仓库货品。这表明，在杂乱、拥挤且充满不确定性的现实环境中，触觉是提升机器人操作可靠性的必备能力。

触觉智能并非单一传感器技术，而是横跨硬件、数据与模型的系统级综合能力。

触觉硬件负责采集接触力、形变与材料状态等物理信息；数据平台则将真实的人机交互与机物交互转化为训练和仿真的资产。

具身模型则利用高质量的触觉数据，学习更稳健的操作策略。

以GR00T N1等系统为代表的机器人基础模型表明，机器人学习已将真实轨迹、人类视频与合成数据相结合。高质量的触觉交互数据，未来有望成为提升机器人泛化能力的又一核心数据来源。

通过更高效、更具成本效益的方式获取具身智能数据，仍是包括千觉机器人（Xense Robotics）在内的行业参与者正在致力解决的难题。例如，千觉机器人已开发出一款穿戴式数据采集设备，可将数据采集成本降低80%以上。

为解决数据质量问题，公司建立了自有的数据质量标准，并开发了内部数据后处理引擎，将人工数据清洗的成本也降低了80%以上。其自研的VTLA（视觉-触觉-语言-动作）具身智能模型，能够将这些数据有效转化为机器人的实际能力。

硬件-数据-模型这一闭环至关重要，因为物理AI需要同时解决三大问题：可靠的接触感知、复杂的操作执行，以及对环境的适应能力。

可靠的接触感知，意味着能够判断物体是否正在滑动、抓取是否稳定，以及施加的力是否过大。

复杂操作，是指能够处理那些在任务中会发生弯曲、位移、压缩或变形的物体；环境适应能力，则是指在面对零件、工具、表面及人类行为的变化时，无需完全依赖预设路径即可灵活应对。

触觉能够提供闭环所需的关键反馈。

作为一家新兴的机器人初创企业，千觉机器人正以“触觉点燃物理智能”为愿景探索这一前沿。触觉感知的价值，不在于取代视觉系统或大语言模型，而在于补齐物理AI在理解真实物理世界时所缺失的关键一环。

其产业影响远不止于效率提升：更可靠的机器人能够减少返工和材料浪费，提升制造质量，缓解劳动力短缺，并推动人机协作从“孤立自动化”走向人与机器共同完成任务的新阶段。

如果说视觉和语言教会了AI如何理解世界，那么触觉智能或许正是让AI真正与世界互动起来的关键——使机器能够行动、学习，并通过来自物理环境的反馈持续进化。这或许正是通往完整形态物理AI的道路。

物理AI的下一轮进化，或许正始于一项根本能力：教会机器如何“感知触觉”。

本文作者：

马道林，千觉机器人创始人兼首席执行官

本文原载于世界经济论坛Agenda博客，转载请注明来源并附上本文链接。