机器人触觉最近越来越热，但如果只讨论“压阻式、电容式、视触觉谁的灵敏度更高”，其实已经有点跟不上这一轮具身智能的发展了。
因为机器人进入VLA、机器人学习和多模态模型阶段以后，触觉传感器多了一个以前不太被重视的评价指标：它产生的数据，到底适不适合拿给模型学？换句话说，未来触觉竞争可能不只是传感器竞争，而是谁能够持续产生高质量、可规模训练的触觉数据。
目前机器人触觉比较热门的三条路线，可以简单理解为：压阻式、电容式、视触觉。
如果只问一句——谁目前更“懂大模型”？
我会先把答案放在前面：从模型训练和数据表征角度看，视触觉目前明显更占优势；但从机器人真正走向量产来看，压阻和电容未必会输。
为什么？关键就在数据。

一、压阻、电容、视触觉，最大的区别可能不是传感原理

传统看触觉传感器，通常比较灵敏度、量程、响应速度、柔性和成本。
但站在机器人学习的角度，应该再增加一个维度：传感器最后输出什么样的数据？

路线	典型输出	优势	面向大模型的特点
压阻式	电阻变化、压力阵列	结构相对简单、柔性、大面积覆盖	数据直接，但信息密度相对有限
电容式	电容变化、压力/接近阵列	灵敏度高、可柔性集成	数据结构规整，适合状态反馈
视触觉	接触形变图像/视频	高空间分辨率、纹理/滑移/形变信息丰富	与视觉模型技术栈天然接近

压阻式和电容式比较像给机器人提供一张“压力地图”。哪里接触了、压力有多大，通过阵列就可以获得。
而视触觉做的事情不太一样。它通常在柔性接触层内部加入成像系统，让摄像头直接观察接触表面的形变。也就是说：**触觉第一次被变成了“图像”。**这件事对大模型非常重要。

二、为什么视触觉突然和“大模型”走得这么近？

因为过去十几年AI最成熟的数据形态之一，就是图像。CNN、ViT、DINO、自监督学习、视频模型、多模态模型……大量已经被验证过的方法，本来就是围绕视觉数据建立起来的。而视触觉恰好把“接触”转换成了高维视觉信号。

例如机器人捏住一个物体之后，传感器看到的不只是“压力=5N”。它可能直接得到一张包含：接触区域、形变、纹理、滑移趋势、力方向 等信息的图像。

于是一个很重要的事情发生了：原来训练视觉模型的方法，可以开始迁移到触觉。

Meta
FAIR做的Sparsh就是很典型的例子。Sparsh并不是传统意义上的LLM，而是一套面向视触觉的通用自监督表征模型。Meta使用超过46万张触觉图像进行预训练，并尝试让同一个表征模型跨不同视触觉传感器和任务使用。

这个思路其实非常值得关注。过去做触觉，经常是：一个传感器 → 一个任务 → 单独训练一个模型。
现在则开始尝试：大量触觉数据 → 预训练通用表征 → 下游多个机器人任务。
这已经非常接近今天Foundation Model的思维方式了。

三、Meta为什么值得特别关注？

如果想看“AI公司到底怎么看触觉”，Meta FAIR的路线很有代表性。除了Sparsh，它还推出了Digit 360。Digit 360本身就是一个高度多模态的机器人指尖传感器，包含约830万个触觉感知点，并能够感知空间形变、法向力、剪切力、振动、温度等多种信息，同时配置了本地AI加速能力。
这背后的思路非常明显：触觉传感器不再只是输出一个简单Force Value。而是在尽可能把一次机器人接触，变成一个**高维、多模态、能够被机器学习模型理解的数据源。**这其实和视觉的发展过程非常像。
早期摄像头只是“看见”。后来ImageNet、视觉Transformer和多模态模型出现以后，视觉数据逐渐变成AI理解世界的重要入口。
触觉现在可能正在经历类似的阶段：从测量工具，变成模型的数据入口。

四、那压阻和电容是不是就落后了？

并不是。这也是机器人触觉特别容易出现的一个误解。如果按照“大模型数据丰富度”排名，我会更倾向于：视触觉 > 电容/压阻。
但如果按照“机器人量产适配度”排名，答案很可能完全不同。因为机器人公司真正造一万台灵巧手的时候，需要考虑：

成本多少？
传感器能不能做到很薄？
指尖能不能装进去？
手掌能不能大面积铺？
每天接触几万次会不会坏？
批次之间一致性怎么样？
标定麻不麻烦？

这时候压阻式、电容式等电子皮肤方案的价值就会重新体现出来。
2025—2026年的机器人触觉研究综述依然把压阻、电容、压电、摩擦电以及视触觉视为不同的重要技术路线，同时指出规模化、耐久性、稳定性和成本仍然是机器人触觉商业化必须面对的问题。
所以不要把这场竞争简单理解成：**“视触觉替代电子皮肤。”**更可能发生的是分工。

五、未来一只灵巧手，很可能同时有三种“触觉”

比如机器人指尖，需要处理精细抓取、滑移和纹理。
这种位置需要的信息密度很高，视触觉就非常有吸引力。
但手掌、手背甚至整个机器人身体，如果需要大面积电子皮肤，全部安装摄像头显然不现实。
这时候压阻、电容、磁式等方案可能更加适合。
实际上Meta自己的Digit Plexus也不是只押一种传感器，而是尝试把Digit、Digit 360这样的视触觉设备，与ReSkin等skin-based tactile sensors统一接入机器人手的数据和控制系统。
这个信号其实比争论“哪条路线赢”更有意思。
未来机器人可能和人一样：不同部位拥有不同类型的触觉感受器。**指尖追求精细感知，手掌追求覆盖面积，关节关注力和位置，整机还需要视觉、听觉、力觉共同参与。**最终这些数据再进入统一的多模态模型。

六、真正的分水岭：谁能产生“大规模可训练数据”

我觉得未来判断一个触觉方案有没有价值，可以增加四个问题：

第一，数据够不够丰富？只知道“有没有碰到”显然不够，最好还能得到压力、剪切、滑移、纹理、形变等信息。

第二，不同传感器的数据能不能标准化？今天换一颗传感器，模型是不是就得重新训练？这是触觉大模型非常现实的问题。

第三，数据能不能规模化采集？如果一个机器人一天能够产生百万级触觉—动作对，那么长期就可能形成非常有价值的数据资产。

第四，触觉能不能和视觉、语言、Action对齐？未来机器人需要的很可能不是：Touch Model。而是：**Vision + Language + Touch + Proprioception + Action。**也就是说，触觉最终要进入整个具身模型的数据体系。

七、机器人招聘也会因此出现一批新岗位

这一轮触觉起来以后，我觉得人才需求不会只停留在“触觉传感器工程师”。硬件端当然仍然需要：柔性材料、MEMS、模拟电路、传感器结构、封装、信号处理。但往模型方向走，会出现越来越多交叉人才：

• 触觉感知算法
• 多模态感知算法
• Visuo-Tactile Learning
• Tactile Representation Learning
• 机器人学习/Manipulation

甚至进一步变成：Vision + Touch + VLA。

这种人为什么难找？因为传统传感器工程师可能不懂机器人学习，而做VLA的人又未必真正理解触觉信号。未来真正稀缺的，很可能就是夹在两边中间的人：既知道传感器产生了什么数据，又知道怎样把这些数据训练成机器人能力。

David的一个判断

如果今天一定要回答：机器人触觉三条热门路线，谁更懂“大模型”？我会选视触觉。不是因为它一定是最终最好的触觉传感器，而是因为它当前的数据形态与AI最成熟的视觉模型技术栈天然接近。
图像、视频、自监督学习、ViT、DINO、JEPA这一整套基础能力，都比较容易迁移过去。Meta的Sparsh已经证明，触觉正在从“任务专用算法”走向“预训练通用表征”。
但如果再问一句：**未来机器人量产最终会选谁？**答案反而可能是：没有唯一赢家。
视触觉负责高信息密度，压阻、电容等电子皮肤负责低成本、大面积和工程化，多种传感器最终进入统一的机器人多模态模型。
所以触觉真正值得看的下一场竞争，已经不是：谁的传感器参数更漂亮。
而是：谁能最先建立“传感器 → 数据 → 模型 → Policy → 真机操作”的完整闭环。
到了那个阶段，机器人触觉卖的可能就不再只是一个传感器。而是一种让“大模型真正理解物理世界”的数据入口。