当触觉逐渐从可选项成为必备项……

具身智能正逐渐从表演的狂欢走向真实场景的理性应用。行业的目光，也整齐地落在下一个“风口”——触觉上。

视觉让机器人“看见”世界，大模型让机器人“听懂”指令，然而，当机器人真正走进工厂产线执行精密装配、进入家庭完成照护协助时，一个关键问题始终不能忽视：缺乏触觉的机器人，本质上仍在“盲操作”。正如视觉和激光雷达等赋予了自动驾驶对道路环境的全面理解，触觉将决定机器人在真实物理世界中的能力边界。补齐这“最后一毫米”，整个行业将完成从“炫技”到“实用”的关键一跃。

始于材料的重新定义

提起触觉，就不得不提到电子皮肤。正如人类通过皮肤感知世界，机器人也要“长出”电子皮肤，才能完成与真实世界的交互。

电子皮肤是一种模拟甚至超越人类皮肤感知能力的柔性电子系统，核心是传感器技术。但电子皮肤并非单一传感器，而是柔性、可拉伸、多模态的传感器阵列系统。与传统集中式或单点力传感器给出力的标量数值不同，电子皮肤能够感知物体的轮廓、接触面积及各部位的压力分布，获取的是类似于“图像”的触觉信息。

当前，触觉技术仍处于早期发展阶段，技术路线尚未收敛，常见的有途见科技首创的柔性可拉伸电阻/电容式电子皮肤，以及压电式、视触觉、霍尔式、织物式、硬质或半硬质电阻/电容式等多种类型。不同技术路线的实际性能高度依赖材料体系、器件结构与系统设计。

以下就几种常见类型进行介绍。

压阻式

利用材料电阻率随压力变化而改变的特性工作，典型优势体现在动态范围大、频率响应高、空间分辨率高、原材料易得、测量电路简单等；但也表现出力学不匹配容易导致信号漂移等常见挑战。

电容式

通过测量电容变化感知压力，即压力作用于传感器时，电极之间的距离或介电材料厚度发生变化，从而导致电容值改变。电容式技术方案的典型优势体现在功耗低、灵敏度与空间分辨率高；但也存在寄生电容、对噪声敏感、需频繁标定以维持精度等常见挑战。

压电式

利用压电材料在外力作用下产生电荷的原理工作，具有高灵敏度、动态响应可达微秒级的典型优势。然而，信号微弱、无法检测静态压力等常见挑战也使其更适合振动监测等特定场景。

视触觉

采用视觉表征触觉的方式，通过内置摄像头捕捉弹性体在接触物体时因形变而产生的视觉变化，以重建接触面状态。这种技术路线具有分辨率高、可检测多维信息的典型优势；但也存在实时反馈和柔性响应受限，易受温度影响且体积较大的常见挑战，对于需要贴覆在机器人曲面表面的电子皮肤，存在结构性限制。

霍尔式

通过检测霍尔电压的变化来感知外部力、压力或触摸。这种技术路线具有精度高、稳定性强、耐久性好等典型优势，但由于需要配合磁场源使用，存在成本较高、设计复杂等常见挑战。

途见科技选择的是“本征可拉伸材料+多模态融合”的技术路线。依托全自研突破的新材料、柔性传感器、柔性晶体管、多模态集成、集成电路和触觉感知算法六大关键技术，途见科技做到将传感功能直接集成在本征可拉伸材料层中，使材料本身即为传感器，而非通过堆砌独立传感单元实现感知。

途见科技的柔性多模态电子皮肤

这一路径带来三个层面的突破：材料层面，途见科技的柔性多模态电子皮肤拉伸度可超100%且能完全恢复，同时弯曲半径小于1毫米，可完美适配各类异形不可展曲面；感知层面，同一传感单元中同步输出压力、温度、切向力、表面纹理、接近觉等多维信息，其中独特的“接近觉”能力，可在10 cm外就提前感知物体靠近，筑牢人机交互安全防线；系统层面，构建起“硬件—数据—模型”的完整技术闭环。

行业亟需高质量触觉数据

触觉能力的释放不仅依靠传感器本身，高质量触觉数据能否被低成本、标准化、规模化采集，也是触觉真正进入模型训练和机器人能力闭环的重要前提。

经过长期发展，视觉领域已形成ImageNet（1400万张标注图像、覆盖2万多个类别）、LAION-5B（58亿图文对）等海量数据集；语言领域则有GPT系列训练所需的万亿级语料。但触觉领域目前全球公开的数据集数量尚不足视觉数据集的万分之一，且普遍存在以下问题。

第一，任务特定

现有数据集大多针对抓放、插入、堆叠等高频手物交互少数特定任务进行采集，缺乏跨任务的泛化能力。

第二，数据难以互通

各类触觉设备输出的数据格式互不兼容，就像缺乏统一语法的语言体系，难以在同一模型中融合使用。

第三，规模极小

最大的触觉数据集也仅有数万条样本，与实际训练需求间存在数量级差距。

这直接导致，即便有了好的电子皮肤硬件，也没有足够的高质量数据来训练触觉模型，从而造成机器人即使面对真实环境中的微小变化，也会带来动作执行的不稳定。近期火爆全网的论文T-Rex也说明，“有触觉”并不等于“会用触觉”。在其测试中，直接向行业通用的VLA模型π0.5加入触觉信号后，平均任务成功率反而由17%下降至6%，说明如果缺乏合适的触觉表征、时序编码和跨模态融合机制，简单增加触觉输入并不一定带来性能提升。

途见科技的解法，是从数据采集的源头重新定义标准。公司自研的首款柔性触觉数据采集手套TachinGlove采用仿生掌纹分布布局，单只手套集成上千个精密传感点，能够实现毫牛级微力感知和多维动态触觉捕捉。“空抓无干扰”的设计更是直接从源头杜绝脏数据产生，保障高质量触觉数据采集。此外，手套支持Wi-Fi无线通信及电池供电，能够实现随时随地灵活采集。

途见科技TachinGlove柔性触觉数据采集手套

通过将人类手部动作与触觉反馈同步数字化，TachinGlove能够实时构建高保真、多模态的物理交互样本，为具身大模型提供可泛化、可迁移的底层触觉支撑。更重要的是，TachinGlove采集的数据格式是标准化的、与传感器无关的。它不输出原始的电阻值或电容值，而是输出经过校准的物理量（压力、切向力、温度等），使不同设备、不同场景采集的数据可以互通互用，为构建大规模触觉数据集奠定技术基础。

从VLA到VTLA

当业界越来越认可触觉的重要性，从VLA（Vision-Language-Action，视觉-语言-动作）模型到VTLA（Vision-Tactile-Language-Action，视觉-触觉-语言-动作）模型的转变俨然成为重要演进方向。

VLA模型的出现，帮助具身智能完成了从“感知理解”到“动作执行”的范式跨越。但纯视觉驱动的技术方案只能“看见”物体的外形、位置、轮廓，无法真正“感知”物体的软硬、滑涩等属性，也无法读懂接触一瞬间发生的真实物理交互过程，难以应对真实应用场景中的多样化执行需求。

2026年4月正式发表、中科院自动化所的一篇名为《VTLA: Vision-Tactile-Language-Action model with preference learning for insertion manipulation》的论文指出，在极具挑战性的指尖插孔任务中，VTLA显著优于传统模仿学习方法，同时超越TLA（触觉-语言-动作）和VLA模型，实现了超过90%的插入成功率。此外，VTLA展现出良好的仿真到现实迁移性能，仅使用仿真数据训练的模型即可在现实世界的插入任务中实现95%的成功率。

真正“知冷暖、知轻重、知远近”，安全、敏捷、准确，成为具身智能服务和陪伴人类的关键能力。

然而，这一过程仍面临一个基础性障碍：大规模、高质量的触觉数据集和标准化的触觉模型缺失。

这正是途见科技发起“仿生电子皮肤与具身触觉生态开发者计划”，并将于发布活动上正式开源首批基于TachinGlove的全手触觉具身数据集的核心逻辑。途见科技的愿景是：依托自身“硬件—数据—模型”的完整技术闭环及触觉感知领域多款规模化落地产品，聚力破解触觉高质量数据匮乏、适配难度大等行业共性难题，拓展触觉技术应用边界，汇聚全产业链之力共建触觉生态。

具体实现路径上，

硬件端

途见科技已形成灵巧手全覆盖触觉系统、机器人全身触觉系统和TachinGlove触觉数据采集手套三大产品矩阵，能够为触觉数据的规模化采集提供生产力工具。

数据端

通过TachinGlove采集的标准化触觉数据，途见科技正积累高质量的触觉数据集，并计划以开源的方式向行业共享，解决“数据稀缺”这一共性难题。

模型端

途见科技积极推动VLA到VTLA的范式转变，构建多模态触觉模型，致力于将触觉数据转化为具身大模型可理解的“触觉语言”，持续推动触觉数据标准和产业生态建设。

当触觉从可选项成为必备项，一场串联柔性电子材料、触觉数据集、VTLA模型的底层技术跃迁，正打破感知边界，重新定义人机交互的智能未来。

距离途见科技“TachinGlove柔性触觉数据采集手套新品发布会”暨“仿生电子皮肤与具身触觉生态开发者计划发起仪式”还有4天，距离D2馆D507途见科技展位正式亮相还有3天，真诚期待您的光临！