在计算机科学家、机械工程师主导的机器人领域，马道林是个 “异类”。
文丨李梓楠
2017年初，麻省理工学院McubeLab内，马道林团队备战亚马逊机器人抓取挑战赛时遭遇瓶颈：算法优化后，机器人抓取成功率仍卡在75%。拆解数百个失败案例发现，问题集中于机械臂接触物体的瞬间——视觉遮挡导致机器人无法感知抓握力度与物体滑动，成为“盲人”。
“没有对物体接触的感知，机器人的操作能力就很难再往前走。”马道林指出。
作为北大力学博士，马道林曾参与国家重大航天工程月球车着陆仿真系统开发。2014年赴MIT深造后，他转向机器人精细操作与触觉感知研究。2021年，其团队获机器人顶会ICRA最佳会议论文奖。2024年，马道林创立千觉机器人，主攻视触觉（Vision-based Tactile Sensing）技术路线。
随着GPT-6 Astra等通用大模型进入物理世界，具身智能“大脑”快速发育，资本市场回归理性，关注机器人能否真正“干活”。在此背景下，解决“触碰之后”操作缺口的触觉技术，从加分项变为交付必经之路。千觉机器人旨在通过硬件感知、数据训练与模型验证，赋予机器人真正的触觉能力。
从登月仿真到具身触觉
晚点：从你的读书经历聊起吧。你2015年博士期间做过月球车的仿真模拟，这是一个怎样的项目？
马道林：当时国家筹备月球车项目，需在地面验证风险。我负责开发月球环境下的仿真软件，核心是刻画飞行器着陆时的物理环境。例如，为避免反推发动机扬起月尘损坏设备，飞行器需在特定高度关机自由落体，靠缓冲装置承受冲击。我与同事在济南郊区闭关两个月，完成了核心力学仿真模型的开发。
晚点：你做完月球车，为什么没去航天领域工作，而是去MIT研究机器人？
马道林：一是能力复用。接触力学不仅用于月球着陆，也适用于机器人抓取零件等场景，本质都是接触问题。二是兴趣驱动。受波士顿动力等启发，我希望在机器人领域深入探索。
晚点：你觉得机器人操作难，还是登月难？
马道林：两者难度维度不同。登月是极限环境下的工程挑战；机器人操作则是感知、控制、长序列智能化的综合挑战。但底层方法论相通，均基于接触力学、数学和工程，这是我转型的底气。
晚点：在MIT那四年多，你接受的训练、熏陶和思维上的启发是怎样的？
马道林：北大十年的力学训练赋予我扎实的数理基础与推导能力。MIT则提升了我的动手创造能力，那里洋溢着“造物冲动”，鼓励将想法转化为实体设备、机理或材料。
马道林在MIT的实验室。
晚点：学力学的人做机器人，和学计算机科学的人做机器人，有哪些明显差异？
马道林：视角不同。力学视角关注物理关系（交互力、形变、摩擦等）是否符合力学约束；计算机视角倾向于通过增加数据规模和标定来逼近正确结果。若底层物理量不准确，数据规模越大，模型偏差可能越大。
晚点：从你回国，到成立千觉，中间还有几年。那几年你在做什么，为什么没有更早开始创业？
马道林：2022年虽有资本意向，但我认为核心团队尚未成熟。直到2024年，我与两名经过长期验证的学生共同创业，建立了基于信任的“特战队”式团队。
晚点：此前十多年，你一直是学术界的人。学者和创业者，这两个身份如何转换？
马道林：做研究是做减法，抽丝剥茧抓主要矛盾；做公司是从0到1的系统构建，涵盖产品、客户、供应链和组织管理。我认为公司的核心产品不仅是传感器或数据，更是组织本身。只有组织建设完善，才能持续交付稳定优秀的产品。
触觉现在的问题不是有没有，而是怎么用起来
晚点：触觉已经是当下具身领域最热门的方向之一，你在这个领域做了将近十年，经历的周期变化是怎样的？
马道林：2017年起我开始研究触觉，当时行业重点仍在追赶工业机器人的硬件制造和底层控制，触觉未被重视。即便我们在亚马逊机器人挑战赛夺冠，抓取成功率仅75%，且失败多发生于接触瞬间。
晚点：你当时跟他们讲机器人触觉，他们什么反应？
马道林：多数人认可其趣味性，但鲜少认同其重要性。当时的触觉传感器研发多面向医疗场景，未与机器人操作紧密结合。
晚点：你十年前在实验室做到75%的成功率，现在我们在展会上有时候还能看到成功率比这个低的Demo。
马道林：仅靠视觉存在遮挡和误差，若不感知触碰瞬间的状态，抓取及后续操作（如拧瓶盖）极易失败。这25%的失败基本都发生在“触碰之后”。
晚点：现在行业已经没有太多人质疑机器人是否需要触觉了。从没人讨论，到大家都认为触觉很重要，这个过程发生了什么？
马道林：市场关注点从概念转向“干活”。当聚焦操作能力时，触觉成为不可或缺的一环。但从“有无”到“能用”距离巨大。目前能真正将触觉数据训练进模型并提升产线良率的团队极少。
晚点：如果从渗透率的角度看，触觉现在在一个什么样的水位？
马道林：若以“采集触觉数据并训练进模型”为标准，渗透率约20%，仍有巨大空间。
晚点：特斯拉几年前放出来的Demo里就有捏鸡蛋的画面，能看到触觉传感器。但这么多年过去，渗透率还是不高，为什么？
马道林：硬件、数据、模型构成的体系尚不成熟。贴传感器容易，但缺乏标准化的数据采集工具、数据标准及模型验证手段。此外，模型需具备较强理解能力才能消化触觉模态。因此，渗透率低并非因为不认可，而是体系未长成。
通用大模型不会抢触觉的饭碗
晚点：今年GPT-6 Astra出来之后，很多人发现通用大模型也能直接做机器人的策略模型，生成末端执行器的位姿。这件事对你的判断有影响吗？
马道林：有积极影响。通用模型提升了视觉理解和任务规划能力，但从“理解”到“物理执行”仍存在“最后一厘米”的挑战。让模型感知和理解接触，并从真实物理交互数据中学习，是解决精细操作的关键。
末端带有触觉的夹爪执行灵巧操作。
晚点：你的意思是，Astra不是来抢触觉饭碗的，反而是来证明触觉价值的？
马道林：是的。行业常言“离物体越近，离智能越远”，实则是智能尚未抵达“最后一厘米”。通用模型越强，视觉语言问题解决越彻底，触觉缺口越显眼。Astra表明，模型越强，对感知质量要求越高。低质量触觉数据会导致模型得出错误结论，危害更大。
晚点：那触觉要怎么才能更好地用进模型里？这是现在行业里应该聚焦的问题吗？
马道林：这是核心问题。首先需实现数据标准化与高质量，保留原始信息的同时建立具有明确物理意义的表征（如接触力、形变），并保证时空一致性。其次，让模型理解触觉并与视觉、动作融合。视触觉输出图像，可复用视觉模型架构，但需通过表征学习理解物理信息。最后，优化训练方法，使触觉成为具身基座模型的原生模态之一。
千觉要做机器人的触觉“教练”
晚点：机器人要把触觉真正用起来，难点在哪里？
马道林：难在全栈能力。千觉定位为机器人触觉“教练”，做好三件事：一是打造合手装备（高精度传感器）；二是设计训练科目（有意义的数据采集范式）；三是提供反馈（模型验证）。
晚点：所以触觉并不是一个简单的传感器硬件逻辑。
马道林：硬件是第一步，更关键的是定义传感器为精准的“尺子”，明确物理量、单位和精度。依托力学背景，我们将光学信号翻译为物理语言。
晚点：在众多触觉传感技术中，你为什么在一开始选择视触觉路线？你认为它最不可替代的优势是什么？
马道林：选择视触觉基于三层考量：一是物理层，光波长小，空间分辨率上限远高于电容、电阻等路线；二是信息丰富度，同时输出法向/切向力分布、滑移状态、几何纹理等多模态信息；三是生态层，复用成熟的消费电子视觉产业链。因此在高信息密度需求的灵巧手指尖场景，视触觉优势显著。
千觉的触觉传感器测量指尖接触薯片的状态。
晚点：那是不是说视触觉会吃掉其他路线？
马道林：并非如此。触觉是覆盖面积与精度的组合。我们采用“高低搭配”方案：指尖用高分辨率视触觉，指腹手掌用压阻式电子皮肤补充。这是基于场景需求的产品定义。
晚点：千觉在视触觉这条路上领先行业多少？
马道林：优势在于技术积累、工程化和数据应用的系统叠加。十年技术积累、一致性量产能力及数据闭环验证能力，构成了我们的护城河。
晚点：除了传感器，你提到了触觉数据的使用。触觉数据要变得“能用”，挑战是什么？
马道林：挑战在于构建完整管线：一是采集，定义有意义的接触状态；二是加工，清洗标注还原物理量；三是训练，利用数据集TacVerse和模型X-TouchMind；四是验证，反查数据或模型问题并迭代。四段闭环运转才能产出可用数据。
晚点：你们最近把触觉仿真器升级到了第二代。仿真在这条管线里到底扮演什么角色？
马道林：仿真器兼具评测标尺与数据引擎功能。作为评测工具，它在虚拟空间低成本验证模型版本迭代效果；作为数据引擎，它补充高危、难复现实景的高成本数据缺口。
晚点：但行业里做触觉仿真的团队不少，Sim2Real一直没真正跑通。难点到底在哪？
马道林：难点在于物理真实性而非画面渲染。我们自研专为触觉特化的有限元求解器，兼顾物理保真与运行效率，解决了传统方案效率低或唯象失真的问题。
晚点：仿真数据的成本能降到什么程度？它会取代真实数据吗？
马道林：第二代仿真器效率提升两个数量级，成本远低于实采。但它不会取代真实数据，目前主要作为评测工具和真实数据补充。在基础设施不完善前，盲目上量不合理。
晚点：大部分具身公司在强调数据规模，你们为什么更强调数据质量？
马道林：触觉测的是物理量，数据不准会导致模型学到错误物理，产生严重偏差。因此必须先保证质量与一致性，再追求规模。
传感器测量成像。
晚点：低质量的触觉数据是怎么产生的？你们怎么筛查？
马道林：低质数据主要分三类：设备层（断连缺失）、物理层（违反力学约束）、任务层（失败样本误入）。我们依靠力学背景与模型反查能力进行严格质检与剔除。
晚点：所以这条能持续产出高质量数据的管线，是你们最值钱的东西？
马道林：是的。这是一套难以复制的经验沉淀与工作体系，并形成“客户增多-场景丰富-数据优质-模型增强-验证精准”的商业飞轮。
泡沫褪去，真实需求还在
晚点：下半年具身行业明显降温，融资额跌得很厉害，很多公司开始讲商业化。这个变化对千觉有什么影响？
马道林：影响有限。千觉自始重视商业化，已拥有近400家全球真实订单客户，并推进多个POC项目。行业从“讲故事”转向“看结果”，有利于具备底层技术与真实交付能力的公司。
晚点：行业降温之后，做VLA、做具身模型的公司会不会更重视触觉？
马道林：会。当聚焦“干活”时，接触瞬间的处理短板暴露无遗。Astra发布后，更多具身模型公司寻求合作，以解决上层模型无法处理的物理交互硬骨头。
晚点：千觉现在在触觉领域的市占率有多少？
马道林：行业暂无权威统计。但在视触觉量产、多模态数据体系及实机验证方面，能同时做到的企业极少。当前瓶颈在于数据供给与场景成熟度，而非竞争。
晚点：在行业还略显混沌的阶段，你看重的竞争要素有哪些？
马道林：一是团队对技术和行业的认知；二是传感器的量产一致性与标定能力。一致性是量产分水岭，决定能否从Demo走向规模化应用。
晚点：创业至今，有哪些超出你预期的东西？
马道林：一是公司成长速度，外部需求驱动团队快速迭代扩张；二是灵巧手产品化速度快于预期，其触觉传感器需求已超越夹爪。低于预期的是进厂落地速度，初期预期偏乐观。
晚点：过去一年，在触觉落地这件事上，你看到哪些让你有信心的信号？
马道林：接插电缆、精细装配等场景应用接近临界点。在丰富产业场景中持续投入，有望跑通落地。
晚点：五年或者更久之后，你希望千觉成为一家怎样的公司？
马道林：千觉旨在成为具身智能时代的触觉基座，提供从传感器到数据再到模型的完整体系，助力机器人从“看见”走向“理解”与“交互”。物理AI的终局是精细交互，触觉竞争终将回归力学竞争。
题图来源：千觉机器人
- FIN -
