2026年，帶觸覺的數(shù)據(jù)飛輪將成為具身智能的下一個關(guān)鍵戰(zhàn)場。

在工廠里，機器人能掃描零件輪廓、定位裝配孔位；在實驗室里，它能讀取實驗數(shù)據(jù)、識別儀器狀態(tài)；在商場里，它能識別人臉、引導顧客路線。視覺讓機器人"看"得很清楚，但當它伸手去夾起一塊軟布、拿起一張薄紙、握住一顆雞蛋的時候，它還需要知道用了多大的力度、是否抓穩(wěn)、是否發(fā)生滑移、以及下一步應該如何調(diào)整。這些能力，正是觸覺感知要解決的問題。

“機器人真正進入現(xiàn)實世界，不能只有視覺。視覺讓機器人‘看見’世界，而觸覺讓機器人有機會真正‘操作’世界?！鼻вX機器人創(chuàng)始人馬道林向鈦媒體創(chuàng)投家表示。

2024年起，主流靈巧手公司開始嘗試搭載傳統(tǒng)觸覺傳感器；到了2025年下半年至2026年年初，技術(shù)風向逐步向視觸覺（Vision-Based Tactile）收斂。視觸覺的輸出是圖像，機器人的視覺和大模型輸入的主體也是圖像，這意味著，算法端可以直接復用過去幾年大模型時代積累的視覺編碼器、多模態(tài)方法以及Token化技術(shù)，進而降低邊際成本。

觸覺成為具身智能從看見世界走向理解物理世界的關(guān)鍵一環(huán)。Ego（第一人稱視角）、UMI（通用操作接口）、真機數(shù)據(jù)這三條數(shù)據(jù)管線誰先跑通，誰就握住了下一代具身基礎(chǔ)模型的入場券。

從“盲操作”到“摸得準”

在全球機器人領(lǐng)域旗艦會議ICRA 2026大會上，千覺機器人展出了一臺雙臂機器人，在沒有預設(shè)軌跡的情況下，自主完成紙盒成型的全過程。

紙板是典型的弱柔性物料，輕薄、易變形，每一次抓取和折邊的接觸狀態(tài)都隨操作動態(tài)變化。傳統(tǒng)工業(yè)機器人依賴固定軌跡編程和純視覺引導，在面對此類物料時極易因形變誤差導致操作失?。粋鹘y(tǒng)的力控方案又難以捕捉微觀的動態(tài)滑移。

傳統(tǒng)VLA模型主要依賴視覺+語言指令驅(qū)動動作，只有“看”和“做”，這種架構(gòu)在結(jié)構(gòu)化環(huán)境中表現(xiàn)尚可，一旦遇到弱柔性物料、微小形變、動態(tài)滑移等場景，就會因為缺乏實時物理反饋而陷入“盲操作”。

千覺機器人的解決方案是自研VTLA（Vision-Tactile-Language-Action）模型，這套模型的核心創(chuàng)新在于，將觸覺從傳統(tǒng)控制系統(tǒng)中的反饋信號提升為與視覺同等級的認知模態(tài)。視覺負責理解環(huán)境與物體狀態(tài)，觸覺負責理解接觸過程與物理交互狀態(tài)，兩者共同構(gòu)成機器人對物理世界的完整感知基礎(chǔ)。

VTLA模型并非簡單地增加一種新的傳感器輸入，而是讓機器人同時具備“看見世界”和“感知接觸世界”的能力。視覺回答“物體在哪里”，觸覺回答“接觸發(fā)生了什么”，兩者共同驅(qū)動機器人在復雜接觸場景中的決策與操作。

疊紙盒演示中，面對輕薄易變形的紙板，搭載VTLA模型的機器人不但通過實時感知“紙板的受力狀態(tài)”，連續(xù)完成抓取、展開、折邊和壓實等操作，順利完成紙盒成型的任務(wù)。還保持了持續(xù)外部干擾下的穩(wěn)定執(zhí)行，充分體現(xiàn)了其在干擾條件下的魯棒性與泛化能力。

干擾情況下，VTLA模型驅(qū)動雙臂機器人長序列紙盒成型仍能自主完成作業(yè)。

“觸覺不是機器人能力上的‘錦上添花’，而是機器人從實驗室演示走向產(chǎn)業(yè)應用的重要底層能力。尤其在人形機器人、精密制造、智能檢測等場景中，真正決定落地效果的，往往不是機器人‘能不能動’，而是在復雜物理接觸中能不能穩(wěn)定、可靠、可復制地完成任務(wù)?！瘪R道林表示。

VTLA模型解決了“怎么用觸覺”的問題，但高質(zhì)量、多模態(tài)的觸覺數(shù)據(jù)從哪里來，這正是TacCap-Gripper存在的技術(shù)邏輯。

TacCap-Gripper觸覺數(shù)采設(shè)備

這是一款專為機器人物理交互數(shù)據(jù)采集打造的硬件，集成了高精度視觸覺傳感器、IMU慣性測量單元與高分辨率編碼器，能夠?qū)崿F(xiàn)動作、視覺、觸覺多維度數(shù)據(jù)的同步采集與精準匹配。

人類演示者戴上它完成一次抓取，產(chǎn)出的不僅是一段視頻，而是一組包含手指姿態(tài)、接觸力分布、物體形變過程的完整數(shù)據(jù)包，直接轉(zhuǎn)化為VTLA模型訓練的標準化“養(yǎng)料”。

然而，在工程落地層面，視觸覺路線有著極高的硬性門檻。傳統(tǒng)視觸覺傳感器往往面臨體積臃腫、高頻動態(tài)響應不足、硅膠涂層易磨損以及量產(chǎn)一致性差等痛點。每一項都是橫亙在實驗室與市場之間的分水嶺。

針對上述痛點，千覺機器人通過自研工藝，使其指尖觸覺傳感器在保持高精度微觀形變、紋理變化捕捉能力的同時，實現(xiàn)了大幅度的小型化與結(jié)構(gòu)優(yōu)化，可精準支撐對位、撥動、滾動、精細抓取等高精度操作。

千覺機器人多模態(tài)觸覺傳感器產(chǎn)品矩陣

目前，千覺機器人已形成全系列多模態(tài)觸覺傳感器產(chǎn)品矩陣，全面覆蓋指尖、夾爪、平面、曲面等全形態(tài)硬件，能夠適配靈巧手、工業(yè)機械臂、人形機器人等各類具身智能體。

產(chǎn)品已應用于智元、谷歌、自變量、銀河通用、眾擎等眾多國內(nèi)外知名具身企業(yè)，且已與寧德時代、理想汽車、海爾等開展場景合作。

MIT博士后帶隊

作為一家硬科技企業(yè)，千覺機器人有著鮮明的學術(shù)與產(chǎn)業(yè)雙棲基因。

馬道林于2024年5月創(chuàng)立了千覺機器人，他畢業(yè)于北京大學，在北大取得博士學位后進入了MIT Mcube 實驗室從事博士后研究，師從國際機器人操作與觸覺感知領(lǐng)域的領(lǐng)軍學者Alberto Rodriguez（現(xiàn)任波士頓動力Robot Behavior負責人，MIT前副教授），目前在上海交通大學任副教授、博士生導師。憑借在觸覺感知與具身智能領(lǐng)域的長期深耕，他斬獲了國際機器人學界公認的最高學術(shù)榮譽—ICRA 2021全球唯一最佳論文獎。

千覺機器人創(chuàng)始人：北京大學力學博士與MIT博士后、上海交通大學副教授馬道林

其團隊匯聚了來自MIT、北京大學、清華大學、上海交通大學、復旦大學、UCL、悉尼大學等國內(nèi)外頂尖院校的跨學科人才，千覺在機器人操作與觸覺感知領(lǐng)域持續(xù)攻堅，打通了從底層傳感器設(shè)計、高價值數(shù)據(jù)采集，到感知算法迭代與觸覺模型研發(fā)的全鏈條技術(shù)閉環(huán)。這種從“底層感知”到“機器人操作控制”的完整技術(shù)積累，構(gòu)成了千覺難以復制的核心壁壘。

在視觸覺領(lǐng)域，全球頂尖人才主要來自于MIT，而馬道林則是其中為數(shù)不多的回國創(chuàng)業(yè)者。這種系統(tǒng)性的技術(shù)判斷力和工程攻堅能力，迅速吸引了資本市場的關(guān)注。

成立僅一年半，千覺機器人就完成了天使輪、Pre-A輪融資，累計融資數(shù)億元人民幣，投資方包括高瓴創(chuàng)投、理想汽車、元禾原點、孚騰資本（上海具身智能產(chǎn)業(yè)基金）、智元等知名投資機構(gòu)和產(chǎn)業(yè)方。

“接下來一兩年，純單品的硬件公司將面臨巨大壓力，產(chǎn)業(yè)競爭正迅速從碎片化的算法研究、單點傳感器的內(nèi)卷，升級為‘傳感器+全棧模型+場景數(shù)據(jù)’的系統(tǒng)級對決?！瘪R道林表示：“千覺機器人圍繞觸覺硬件、數(shù)據(jù)采集、模型訓練和產(chǎn)業(yè)應用，構(gòu)建機器人理解真實物理世界的底層能力。”

在目前的具身智能產(chǎn)業(yè)鏈中，通用大模型與整機結(jié)構(gòu)的生態(tài)主導權(quán)往往掌握在主機廠或AI巨頭手中。對于千覺這類技術(shù)型初創(chuàng)企業(yè)而言，將戰(zhàn)略重心錨定在底層的觸覺能力上，推動硬件標準化、數(shù)采規(guī)范化以及跨模態(tài)對齊，是在巨頭環(huán)伺的生態(tài)中切入細分市場的一種務(wù)實選擇。

從“看見世界”到“操作世界”，機器人還需要補上觸覺這一課。

回看人工智能的發(fā)展歷程，計算機視覺的爆發(fā)建立在海量標準化開源數(shù)據(jù)集與軟硬件高度對齊的基礎(chǔ)之上；而當前的觸覺領(lǐng)域，無論在高質(zhì)量數(shù)據(jù)規(guī)模、物理接口標準還是大規(guī)模預訓練模型的適配上，都仍處于相對早期的探索階段。

觸覺感知何時能從技術(shù)亮點變?yōu)樾袠I(yè)標配，這取決于三個關(guān)鍵變量：

第一，成本門檻。觸覺傳感器雖在靈巧手整體 BOM 成本中占比不占大頭，但其高昂的軟硬件一體維護、校準與一體化集成成本，對追求大規(guī)模量產(chǎn)經(jīng)濟性的主機廠而言，仍是一道現(xiàn)實的門檻。

第二，數(shù)據(jù)規(guī)模。盡管行業(yè)已有部分百萬幀級別的局部開源圖像，但真正具備多物體、多形態(tài)、跨場景且?guī)锢碚嬷禈撕灥牟僮鬈壽E數(shù)據(jù)集依然極度匱乏。觸覺數(shù)據(jù)飛輪能否真正轉(zhuǎn)起來，直接決定了其控制模型的泛化能力。

第三，市場驗證。主機廠是否愿意為“摸得準”支付溢價，畢竟，在人形機器人尚未真正走進家庭之前，觸覺的 ROI 仍需市場驗證。機器人想要真正做到“摸得準、做得穩(wěn)”，不僅取決于千覺等技術(shù)提供商在硬件和軟硬件融合上的迭代速度，更取決于整個具身智能產(chǎn)業(yè)鏈對觸覺價值的實際買單意愿。

行業(yè)的真正質(zhì)變，往往就發(fā)生在那些傳統(tǒng)視覺遭遇盲區(qū)、力控陷入遲鈍的物理縫隙里。當機器人不僅能夠用視覺去旁觀世界，更能夠用觸覺去試探世界時，具身智能才算真正拿到了通往物理現(xiàn)實的解密鑰匙。（本文首發(fā)鈦媒體APP，文 | 智客Zhiker，作者｜郭虹妘 ）