被质疑「容易复制」的视触觉，到底难在哪？- 大数跨境

首页

被质疑「容易复制」的视触觉，到底难在哪？

AI科技评论

2026-09-11

导读：对视触觉的许多质疑，并不中肯。

对视触觉的许多质疑，并不中肯。

作者丨向欣

编辑丨高景辉

在 3C 产线上，让机器人将 USB 线插入毫米级接口，难点往往藏在视觉盲区。插接是否到位、是否存在卡滞、力度如何把控，答案皆取决于指尖与工件接触的瞬间。

精密装配、柔性物体抓取及插拔等任务，是自动化产线中价值最高且最难被替代的工序。这些曾依赖老师傅手感的环节，正将触觉技术推向具身智能的舞台中央。

视觉解决「看到了什么」，触觉解决「碰得怎么样」。VLA 模型在真实任务中屡遇瓶颈后，业界逐渐达成共识：仅靠视觉感知存在性能天花板，核心短板在于缺失触觉信息。

有具身智能厂商创始人比喻：若让人失去触觉三天，连抓杯子都难以掌控力度，生活将陷入混乱。

在触觉赛道中，视触觉已成为热度最高的分支之一，高端灵巧手几近将其视为标配。

资本随之涌入，多家视触觉厂商今年完成大额融资：戴盟机器人两月内完成亿元级 A 轮及蚂蚁集团领投的战略融资；一目科技7 月完成超 10 亿元 E 轮融资，投后估值超百亿元；千觉、纬钛亦获亿元级融资。

然而热度背后争议并存。有人认为视触觉仅是「摄像头 + 硅胶」，易复制且难做薄；有人担忧光学结构导致帧率受限，或大量视觉数据带来算力、存储及功耗压力，且柔性表面难以适应工业场景的长期使用。

事实上，不少争议已与实际进展脱节，甚至演化为对技术路线的误解。成本、厚度、一致性、耐久性及数据融入模型体系，确是当前待解难题，但拆解原理、产品、数据至落地全链路后会发现，市场诸多判断已滞后于产品迭代速度。

带着「视触觉究竟走到了哪一步」的疑问，我们与戴盟、一目、纬钛、千觉、模量等厂商深入交流，梳理产品参数与技术生态，试图还原那些被简化、误读或低估的关键环节。

视触觉的底牌：把触觉变成图像

视触觉原理并不复杂：传感器表层为透明弹性体，内部集成光源与微型相机。物体按压导致凝胶形变，形变转化为明暗图案，相机采集图像后，算法重建接触几何、力分布与滑动状态。

将触觉转化为图像，是该技术路线的核心逻辑。

该路线起源于 MIT。2009 年，MIT CSAIL 的 Edward Adelson 团队提出 GelSight，最初仅用于观测物体表面微观形貌，尚未涉及机器人应用。

GelSight

2014 年，团队推出全球首款超高分辨率指尖 GelSight 传感器，首次将视触觉装上机器人指尖。该论文第一作者李瑞，后来回国创立了纬钛机器人。

全球首款超高分辨率指尖 GelSight 传感器

2020 年，Meta 开源 DIGIT 触觉传感器全套硬件设计，大幅降低科研门槛；2021 年 Meta 与 GelSight 合作推进量产商业化。至此，视触觉进入全球实验室并衍生出 OmniTact 等变体，光学路线逐渐成为主流。

针对「没有自有算法」的质疑，实际上，虽然光度立体法源自计算机视觉，但 GelSight 将其与弹性体反射涂层、多角度可控照明深度结合，形成了高分辨率几何重建范式。后续针对凝胶非线性、剪切力解耦、标记点跟踪的定制改进，均围绕触觉物理特性展开，并非简单套用视觉算法。

关于表面油污影响图像的担忧，实则传感器光学腔体封闭，相机向内拍摄，油污无法进入内部污染镜头。

污染真正影响的是凝胶表面的力学与光学耦合特性，可能改变局部变形进而影响精度与寿命。这与压阻、电容等软体方案面临的表面材料工程问题类似，并非视触觉独有的原理缺陷。

回归价值本质，传统触觉传感器通过离散感知单元获取压力或形变，感知点密度受物理器件限制。而视触觉的信息点密度由相机分辨率决定，这是其最突出的优势。

纬钛机器人创始人李瑞介绍，640×480 的图像包含 30 万像素点，若传感器面积为 3 平方厘米，每平方厘米可达上万个触觉点。

一目科技创始人李智强对比指出：人手指尖约 1.2 万个触觉点，一目产品可达 24 万个，远超人手。相比之下，传统压阻式传感器每平方厘米仅几十个点，电容、霍尔方案也在百个上下。

在感知维度上，视触觉同样优势显著。李瑞概括其三大优势：能同时测量法向力、切向力与滑动，能操作衣服、线缆、食物等柔性物体，且不受温湿度与电磁场干扰。

「最类人」是业界共识，视触觉与人类感知能力最为接近。有厂商认为，这条路径将是触觉传感器的终极方案。

走上牌桌的厂商

视触觉热潮下，玩家日益增多。专业厂商中，国外有 GelSight，国内包括戴盟机器人、一目科技、纬钛机器人、千觉机器人、模量科技、叠动科技、知行具身；另有Sharpa、曦诺未来、拾玥科技等灵巧手厂商选择自研。

各家公司背景各异：GelSight 与纬钛源自 MIT，戴盟孵化自港科大，千觉创始人是上海交大副教授，叠动核心团队来自港科大，一目从光谱芯片业务转型，模量创始团队来自香港城市大学、厦门大学等高校。

这些厂商呈现出几个明显共性。

其一，纷纷向系统级公司演进，产品边界超出传感器本身，向上游数据采集、底层算法平台及数据集、末端执行器延伸，试图打造系统级能力闭环。

戴盟、一目、千觉、纬钛均布局了数采设备、数据集与模型，模量发布数采手套，成立最晚的叠动也推出了集成算力的夹爪。

全栈化趋势背后有两方面原因。一方面，尚未成熟的环节是潜在增长点。千觉联合创始人赵浩南解释，传感器、数据、模型环环相扣，在硬件或模型未完全成熟前，接口地带即是机会。

另一方面是行业早期阶段使然。一目科技创始人李智强判断这是「先全栈、后分工」的过渡阶段；戴盟方面也表示，全栈非最终目的，适合合作的部分将交由专业厂家，但触觉数据处理链路与模型能力必须自建。

其二，产业资本密集入场。

戴盟股东涵盖汇川技术、中国移动、中国电信、蚂蚁集团、联想、招商局创投；一目背后有小米系顺为资本、TCL 与博世旗下博原资本；纬钛天使轮由小米战投领投，Pre-A 轮有韦尔股份旗下韦豪创芯；千觉天使轮由智元机器人领投，理想汽车、吉德电器随后加入。

股东名单显示，家电与消费电子产业方出镜率最高。小米系、TCL、松霖、吉德等纷纷入局，因家电产品迭代快、型号多，产线需机器人适应多变环境，而插接、装配、抓取等任务高度依赖接触反馈；车企、半导体产业方看中精密装配，蚂蚁、联想等大厂则押注数据与生态。

落地场景上，各家聚焦高价值工序：戴盟在 3C 产线承担 USB 插拔、标签张贴；纬钛与小米及多家世界 500 强合作；千觉已服务 300 多家头部客户，夹爪类产品去年量产，订单量级达千套至万套。

其三，不少产品补齐了防水防尘能力，帧率基本达到百 Hz 级别。

戴盟传感器达到 IP67 防护，通过 500 万次按压与 20 万次摩擦测试；纬钛夹爪款具备 IP54 防护且可升级，工作温度覆盖 -25℃至 80℃；一目 Sentra T0 系列达到 IP65 防护，工业寿命超五百万次按压；千觉正在研发防水款。

千觉机器人联合创始人赵浩南解释，研发防水款是为了适应机器人进入家庭后的真实需求，如洗碗、洗水果、拿抹布等涉水任务，均要求传感器在水环境中正常工作。

防尘更多基于工业场景需求。总体而言，防水防尘旨在延长凝胶寿命与保持标定长期有效。

戴盟视触觉传感器

行业中「视触觉帧率仅 30 到 60 fps」的说法已过时。戴盟夹爪款达 120 Hz、灵巧手款 180 Hz，千觉最高 150 Hz，模量工业夹爪 120 Hz，叠动甚至将全系采样频率拉至 400 Hz 以上。

其四，产品形态多样，并已出现不少曲面产品。仿生曲面曾被视为难题，如今视触觉传感器已能做到接近指腹形态。一目拥有方形、楔形与指尖三类形态；千觉的精灵为仿生指尖，夸克 N1 与 W1 为仿生曲面，光子为楔形平面。

格局未定，各有各的解法

厂商增多引发同质化质疑，甚至有观点认为电商平台买齐零件即可手搓产品。但实际上，开源方案虽降低入门门槛，商用产品对凝胶配方、光学校准、批量一致性、可更换设计与软件栈要求极高，这些环节决定产品能否走出实验室。取舍不同，产品亦不同。

评判视触觉传感器可关注以下几个方向：

空间分辨率与深度精度：决定能识别多细的纹理与形变，直接影响对芯片引脚、头发丝分叉等表面特征的识别能力；
力感知性能：包括法向力、切向力、力矩的测量范围与精度，决定能否感知滑动、判断抓取稳定性，其中切向力尤为关键；
帧率与延迟：影响动态操作响应速度，高频操作（如装配、插拔）需要百 Hz 级别的实时反馈；
尺寸与集成性：决定能否嵌入灵巧手指尖、适配不同构型的末端执行器；
耐久性与环境适应性：决定产品在产线上的使用寿命，包括防水防尘等级、按压寿命、抗穿刺与抗腐蚀能力。

盘点市面产品参数发现，行业参数标注并不统一，横向对比虽有难度，但仍可从各家强调的指标看出打法差异。

戴盟聚焦耐用性和一致性。产品具备 IP67 防护，防水防溅、抗尘耐污，抗电磁干扰能力强，特别标注灵敏度、零漂、输出时漂、非线性等指标，传感器表面可承受划、刺、刮等操作。

这很大程度上得益于材料工艺。传感器由外层保护层、中间透明层及贴合工艺等多层结构组成，每一层均针对实际使用场景调整。

一目最突出的标签是薄，靠自研超表面硅光感光芯片压缩光路，将产品压至 10 毫米以内，第二代做到3 毫米。

一目科技视触觉传感器

一目科技相关负责人介绍，团队多名核心成员有华为背景，优势在于强大的工程化能力。据披露，今年已拿下多家行业头部客户订单，应用于灵巧手的仿生指尖款触觉传感器已开启量产。

千觉在参数上强调一致性和精度表现，全系带自标定算法，自动校准保障片间稳定，整手触觉方案中跨传感器一致性超过97%；对产品合力精度、变形场精度标注细致。

纬钛的产品明显体现面向场景的取舍，夹爪款采样频率相对低但工作温度范围宽，指尖款频率高、面向 0 到 50℃环境；GF225 的法向力与切向力量程均达 30 N，在公开标注中最高。

模量走视触觉与压阻多技术融合路线，以视触觉做指尖高精度，以压阻做手掌大面积覆盖。

知行具身切换感知范式，将相机换为事件相机：只检测亮度变化区域，变化即输出，绕开传统视触觉「逐帧快照」的物理限制，减少大量重复图像数据输出，带宽小且无需外挂算力设备。

叠动则将 MEMS 工艺引入视触觉，全系采样频率拉至 400 Hz 以上，在频率上形成差异化。

技术生态上，各家虽都在全栈化，但具体路径存在差异。

戴盟是目前技术生态布局最完整的厂商，从传感器到数据采集设备、数据集、评测基准，再到VTLA 模型、世界模型均有布局。

模型方面，戴盟 2024 年率先提出 VTLA（视觉 - 触觉 - 语言 - 动作）架构，近期又发布触觉锚定世界模型 Daimon-TWM。

数据方面，公开数据集的有四家：戴盟的 Daimon-Infinity 是全球最大规模含触觉数据集，并开源其中 1 万小时数据；千觉的 TacVerse 1k 是首批 1000 小时真实交互数据；纬钛的白虎-VTouch 超 6 万分钟，强调跨本体；一目联合斯坦福推进开源项目 TouchNet。

此外，一目着力于降低模型厂商使用触觉数据的门槛：触觉基座负责采集，Tactile Transformer Encoder 将不同硬件采集的原始信号编码成与视觉、语言对齐的通用表征，让基模开发者无需理解底层细节。

仿真探索方面亦有不同：戴盟将仿真能力用于评测，与银河通用联合发布评测基准 RobOmni，意在定义行业标准；一目自研触觉仿真平台；千觉发布全球首个触觉仿真工具 Xense_Sim，填补切向力模拟空白；纬钛与光轮智能合作，将传感器数据接入人类示教平台，记录轨迹之外的手感数据。

厂商选择各异，行业对「触觉该长成什么样」尚无标准答案。

落地之前，还有几道坎

关于应用节奏，业内共识是装上视触觉传感器的夹爪会先行。夹爪装上机械臂即可使用，控制难度低于灵巧手，补上触觉即补齐了抓取闭环的关键拼图。

灵巧手因构型各异，对传感器形状与曲率要求不同，这种高度定制化需求也是部分厂商选择自研的原因，以便更快内部迭代。

不过，各厂商均表示灵巧手款传感器正进入量产阶段。一只五指灵巧手所需传感器数量远多于两只夹爪，需求爆发后出货量可观，但视触觉仍需跨越几道关卡。

第一道坎是成本和厚度。国外代表产品 DIGIT 售价约 355 美元；有灵巧手厂商透露，国产夹爪型视触觉传感器单价一千多元，指尖型三四千元，一只整手仅视触觉传感器成本就可能上万。

厂商态度比较一致：先解决性能，再谈成本，产品成熟后，规模化过程自然会降本。

价格区间正在拉平。戴盟透露，其视触觉传感器无论夹爪款还是指尖款，单价均在一千多元。

另一方面，视触觉的成本需换个算法，应拉长至整个生命周期来看。戴盟相关负责人介绍，视触觉是唯一表面材料可替换的技术方案。其他方案花 500 元买传感器，三个月坏了再花 500 元换新；视触觉虽然初始成本高，但表面损坏后，后续只需几十元换一片硅胶即可继续使用。

一目科技透露，自家视触觉传感器已进入可规模化量产的成本区间，降本主要得益于自研解算芯片与供应链能力。

厚度是视触觉从实验室进入灵巧手时绕不开的问题，但其进展常被低估。

最初的 GelSight 接近 30 厘米见方的盒子，2014 年指尖版仍有 60 毫米厚，DIGIT 做到 18 毫米。

Digit

如今，戴盟产品已做到 5 到 8 毫米；叠动产品 7 到 9.8 毫米；一目从第一代 10 毫米以内迭代至第二代 3 毫米；知行具身产品最薄仅 3–4 毫米。

「视触觉因为有摄像头所以永远做不薄」的说法并不成立。

厚度问题上，各家解法不同：戴盟靠材料与结构优化，一目用自研芯片压缩光路。至于灵巧手指尖究竟需要多薄，行业尚无共识，多数产品仍在迭代阶段。

第二道坎是一致性与耐用性，这比成本和厚度更重要。

视触觉数据要进入模型训练，前提是同一批传感器对相同输入给出相近读数；一致性差的传感器，采出的数据进模型反而成为噪音。

戴盟从材料、结构和防护入手提升耐用性，千觉用自标定算法解决一致性。一目科技具身产品 PDT 经理周爱第将此归结为系统工程能力：只做好某一个零件不够，材料、光学、算法、制造和标定全部需要协同。

「网上买零件就能手搓一个视触觉」的说法，只能说明原理验证门槛不高，却不能说明产业化门槛低。

第三道坎是算力与功耗。

若一只灵巧手上部署多个传感器并持续输出高分辨率数据，算力、存储和通信压力确实会增加。

但工程上并不意味着所有原始图像都必须完整保留。

一目工程师介绍，面对较大数据量，实际使用时通常会先进行下采样，或用轻量级网络（如 ResNet）提取特征，再交给下游模型。

另一种方式是在感知端减少数据量，从源头解决。

李瑞给出的解法是适当降低分辨率，认为 240×240 就够了，甚至 120×120 也行。每个手指 240×240，五个手指加起来比一个 640×480 的摄像头数据量还少。

知行具身改变了成像架构，通过基于定制的微型事件相机模组重构整套传感系统，使传感器在高速感知下仍能保持较低数据率，无需外挂算力盒。

而且，视触觉将几何与力统一在同一个传感器里，比起「力传感器再加一路视觉」的系统，整体链路反而更省力。

真正需要比较的，是增加的计算成本能否换来足够高的任务收益，而非视触觉的数据量大小。

第四道坎，是触觉数据如何融入模型。这或许是行业下一阶段最大的变量。

现在很多 VLA 模型仍然是先把视觉和语言体系做起来，再尝试把触觉补进去。

千觉机器人将这种做法比作补作业：传感器格式不统一，数据融合度不够，多设备延迟不同，延迟越高，长序列任务越容易断裂。

戴盟 2024 年提出 VTLA，把触觉放到与视觉平级的位置，千觉也是类似思路，让触觉作为原生模态，传感器、数据规则、数采设备与模型训练保持同一套体系。

不过，戴盟相关负责人认为，数采硬件本身难度不大，真正的壁垒在数据链路：时间戳对齐、多模态打通、后处理管线，决定数据能不能用、好不好用。

这也是触觉数据竞争正在发生变化的原因。

上半年各家还在卷数据集时长，下半年开始有人转向卷质量，厂商开始越来越多地讨论数据质量、一致性、同步精度以及数据能否真正训练模型。正如赵浩南所说，时长再长，质量不够，只会越采越污染。模量科技联合创始人周建林也提到，触觉感知行业的竞争，最终是数据的竞争。

而这件事最终会落到一个现在还没有答案的问题：

训练一个真正能完成灵巧操作的模型，到底需要什么规模的触觉数据？需要包含哪些维度的触觉数据？

目前没人能交出准确答卷，视触觉厂商、具身本体及模型公司都在探索，这是一个需要合力解决的难题。

对爆发时点，乐观者认为今年下半年就会掀起触觉风潮，保守预判是灵巧手明年或后年先放量，触觉传感器随后跟上。

共识在于，视触觉的节奏绑在灵巧手的成熟度上。对厂商而言，眼下要做的事排序清晰：把一致性与耐用性做到位，把数据管线打通，再逐步压低厚度与成本。

每一步都不轻松，但和一两年前相比，方向已经清楚许多。视触觉需要的，其实只是时间，以及更多耐心。

【声明】内容源于网络

AI科技评论

聚焦AI前沿研究，关注AI工程落地。

内容 8946

粉丝 0

AI科技评论聚焦AI前沿研究，关注AI工程落地。

总阅读239.2k

粉丝0

内容8.9k