机器人触觉的爆发前夜：五大技术路线、数据困局与模型之争｜机器人系列

触觉如何成为具身智能的关键能力 触觉被视为机器人迈入物理世界的关键拼图，能有效弥补视觉在硬度、微小振动及动态摩擦感知上的缺陷。硬件端涵盖五大主流路线且光学方案正攻克工艺与算法难点，算法端则通过 MoT 等解耦架构实现触觉快反射与视觉慢规划的协同；随着人形机器人需求激增，触觉传感器正克服适配矛盾并迎来产业爆发期。 触觉被黄仁勋等业界领袖誉为机器人迈向物理世界的“最后一块拼图”，“挑花生挑战”证明了仅靠视觉无法感知物体的硬度、微小振动及动态摩擦力。 (1:00) 触觉硬件涵盖压阻、压电、电容、磁感应与光学视触觉五大路线，其中最高精度的光学方案正努力攻坚材料“不可能三角”、结构极限制程与光度立体法等难点。 (4:11) 针对直接接入高频多维触觉信号导致大模型性能反向下降的难题，业界提出了 MoT 异步专家等架构，将触觉作为独立的“快反射”系统与视觉慢规划解耦执行。 (28:37) 美银预测 2030 年人形机器人出货量将达 120 万台并撬动千万级传感器需求，当前触觉传感器正在克服上下游定制适配矛盾，迈入产业爆发的关键窗口期。 (40:48)

[0:00] 你敢让机器人给你按摩吗 [0:02] 它刚才是在找我的穴位 [0:05] 说实话 以前我是不敢 [0:07] 万一它用力过猛 真的有点吓人… [0:10] 但在今年的WAIC上我体验了一把之后 [0:13] 发现... [0:15] 还挺舒服的啊 [0:17] 这台给我按摩的机器人 [0:18] 很大的不同在于 它搭载了触觉传感器 [0:23] 有人说 “触觉”是具身智能的最后一块拼图 [0:27] 真是如此吗 [0:28] 老黄也提出来 [0:29] 触觉其实是 [0:31] 机器人有了触觉后 [0:33] 真的能更强大吗 [0:34] 干活会更聪明吗 [0:36] 如果答案是肯定的 [0:37] 那么为什么目前大多数机器人都还没有触觉 [0:40] 市场上有哪些路线与冲突呢 [0:43] 大家好 欢迎收看硅谷101 [0:45] 我是陈茜 [0:46] 这期视频 跟我们一起走进实验室 [0:48] 去看看触觉传感器的前线研究 [0:51] 我们来聊聊机器人的触觉 到底发展到什么程度了 [0:59] 第一个问题是 机器人为什么需要触觉呢 [1:02] 我们不妨先玩一个游戏 [1:03] 这一堆花生中 有三个是假的 [1:05] 只能看 不能摸 [1:07] 你能够最快挑出假的吗 [1:09] 这个 [1:10] 这个 [1:11] 然后这个 [1:13] 好难选 [1:15] 这个吧 这个 [1:16] 很遗憾 可能三颗都没选对 [1:17] 全错吗 [1:20] 先别着急嘲笑我 [1:22] 大家也可以跟着来“云挑战”一下 [1:24] 接下来我们降低一点难度 [1:26] 把这一堆花生变成六个 [1:28] 其中有两个是假的 [1:30] 大家来盲猜一下 哪两个是假的呢 [1:32] 我们也同时让机器手做一下这个挑战 [1:34] 看一下它能否分辨得出来 [1:36] 看一下它的准确率 [1:40] 这个是真的 [1:43] 这个是假的 [1:44] 是的 [1:45] 看一下最后一个 [1:47] 全对 [1:49] 厉害 厉害 [1:50] 怎么样 你猜对了吗 [1:51] 猜错了也没有关系 [1:53] 毕竟两个假花生做得实在是太真了 [1:56] 为什么机器手能猜对呢 [1:59] 就因为它搭载了触觉传感器 [2:01] 相信我 只要能够上手摸 [2:03] 你也能够很快分辨出来 [2:05] 因为假花生是石头做的 [2:07] 表面更冰凉、更光滑 重量也更重 [2:10] 还是实心的 [2:11] 摇起来没有真花生中果粒的振动感 [2:13] 通过这个案例 [2:15] 相信你也明白了触觉的重要性 [2:17] 现实中有很多任务 [2:19] 是无法单纯通过视觉来完成的 [2:22] 行业界有一些实验 就比如说 [2:24] 专门把有一些正常人的手 [2:27] 我们打一些麻药 [2:28] 就触觉感知神经给它短暂地麻醉掉 [2:32] 这个时候的人其实对一些操作是 [2:34] 就已经失灵了 [2:35] 拧一些东西、抓握 [2:37] 或者甚至系扣子等等 [2:39] 你可能会疑惑 [2:40] 一些没有触觉的机器人 [2:42] 不是在很多任务上的成功率都很高了吗 [2:45] 但是业内人士就指出 [2:47] 成功率高并不等于可用性强 [2:50] 只用视觉 我动得非常非常慢 [2:53] 每次微调一毫米 我不断地去试 [2:56] 总归我是能完成这些任务的 [2:58] 所以如果我们只是去看这个成功率的话 [3:01] 其实它是一个伪命题 [3:02] 那么在这种情况下 [3:03] 力就变得非常重要 [3:05] 比如说我握一个东西握得多紧 [3:08] 两个物体有没有咬合上 [3:11] 比如说我要去拧一个螺丝 [3:13] 那我不能只靠视觉说 [3:15] 螺丝拧花了我才会认为 [3:17] 这个力过大了 那太晚了 [3:20] 就比如说我柔性的操作 [3:21] 我每根线的软硬度、它的材质都很重要 [3:25] 那么触觉到底是什么呢 [3:27] 它听上去是一种感觉 [3:29] 但我们把它拆开来看会发现 [3:32] 它其实包含两种不同维度的信息 [3:35] 一类是对“力”本身的感知 [3:37] 另一类是对“形态学”的感知 [3:39] 其中力的感知还分为静态力和动态力 [3:42] 静态力是抓握物品的时候 [3:44] 手指持续施加的压力 [3:46] 它告诉你 捏得够紧吗 物体有多硬 [3:49] 动态力是物体滑动时候产生的高频信号 [3:52] 它会告诉你 [3:53] 是不是要掉了、摩擦力够不够 [3:55] 而形态学的感知就是对不同材料的分辨 [3:58] 比如说通过触摸分辨苹果和橘子 [4:01] 就得判断表面是光滑还是粗糙 [4:03] 摩擦时候的振动频率等等 [4:06] 这么多复杂的维度 [4:07] 放在机器身上该如何识别呢 [4:15] 目前我们看到市面上的方案主要有五种 [4:18] 分别是压阻式、压电式、电容式、光学式 [4:21] 还有磁感应 [4:22] 我们先来说一下压阻式 [4:24] 这是最传统、最成熟的一条路线 [4:27] 材料受力之后发生形变 [4:29] 电阻值发生变化 [4:30] 通过测量电阻变化来反推压力 [4:33] 我们常用的电子秤就是这个原理 [4:36] 它最大的优势是成熟、便宜、技术门槛低 [4:39] 但是它只能测垂直方向上的力 [4:41] 并且会随着温度、湿度产生漂移 [4:44] 第二种是压电式 [4:46] 一些特殊材料 [4:47] 比如说石英、PZT陶瓷受力时 [4:50] 内部正负电荷中心发生偏移 [4:52] 从而产生电压信号 [4:53] 就像打火机的放电器 [4:55] 而它最大的特点是只对变化的力敏感 [4:58] 什么意思呢 [4:59] 就是你按下去的一瞬间 [5:00] 它会产生一个电压信号 [5:02] 但是如果你一直按着不动 [5:04] 信号就会慢慢地衰减到零 [5:07] 松开的时候又会产生一个反向的电压信号 [5:10] 所以压电式非常适合检测振动、冲击 [5:13] 这类高频动态信号 [5:14] 却难以测量静态力 [5:16] 前面两种都是直接把“力” [5:18] 转化为“电信号” [5:19] 后面三种就不太一样了 [5:21] 是把“力”转为了“形变量” [5:23] 然后测形变的程度 [5:25] 这样做的一大好处就是 [5:27] 不再只局限在垂直方向 [5:29] 而是能够检测出三维的力 [5:32] 电容式的原理就是平行板电容器 [5:35] 当材料受力的时候 弹性材料会形变 [5:38] 比如按下去的时候上下两层更近了 [5:41] 电容变大此时就能够测量垂直方向上的力 [5:44] 或者滑动的时候 [5:45] 板面积变化 电容也变化 [5:47] 能够感受到平面上的力 [5:49] 它的优点是灵敏度极高、响应速度快 [5:52] 而且成本相对较低 [5:53] 但问题在于动态范围有限 [5:55] 同时容易受到电磁干扰 [5:58] 第四种是光学式 也叫视触觉 [6:00] 它是在传感器最上层覆盖一层柔性材料 [6:04] 接触到物体时会产生形变 [6:06] 材料背面有照明层 [6:08] 而藏在最底下的摄像头 [6:09] 会实时检测材料的状态 [6:11] 通过算法反算出形变量 [6:13] 再换算成力的分布 [6:15] 因此这是一种可以同时解算接触形貌 [6:18] 和接触力的传感器 [6:20] 这就是目前行业最热门的方式 [6:23] 也是精度最高的方式 [6:24] 但是成本较高 [6:26] 其中的细节点我们稍后来说 [6:28] 我们先聊完最后一种方式 [6:29] 也就是磁感应 [6:31] 这种方式结构和光学式类似 [6:33] 只是表面的弹性材料加入了磁性颗粒 [6:36] 去掉了中间的照明层 [6:38] 底部的摄像头变成了磁传感器 [6:40] 这样表面弹性体变化的时候磁场也变化 [6:43] 底部传感器捕捉变化之后反算出形变量 [6:46] 同样能够推算出三维力 [6:49] 但磁感应容易受电磁干扰 [6:51] 周围的磁场环境会影响精度 [6:53] 而且分辨率有限 [6:54] 还有一些其他不太常用的方式 [6:57] 比如说磁流体 还有超声等等 [6:59] 我们就不详细说明了 [7:01] 以上不同的方式各有优劣 [7:03] 我们的采访嘉宾就认为 [7:04] 对于机器人的触觉来说 [7:06] 多传感器结合也许是更好的方案 [7:11] 你看 我们除了手指之外 [7:13] 其他的每一寸皮肤都是有感知的 [7:16] 如果机器人想做到人类的水平 [7:18] 是不是也需要全身都布满触觉呢 [7:21] 但如果全身都用最好的技术 [7:23] 那么成本就很难控制了 [7:25] 而且不同部位的要求也不一样 [7:28] 同一种技术路径也难以适用全身 [7:31] 比如指尖的精度要求非常高 [7:33] 使用光学式的方案就能达到更高分辨率 [7:36] 但是如果是手掌、手臂等其他部位 [7:39] 精度要求没那么高的时候 [7:40] 用昂贵的光学式就不划算了 [7:43] 同时它的面积也比较大 [7:44] 比如说我们去考虑视触觉的话 [7:46] 那我们这个光学模块的设计 [7:49] 就会非常非常的困难 [7:51] 但是如果我们使用 [7:52] 比如说压阻式或者电容式的 [7:54] 那它就会比较容易去覆盖这么大的面积 [7:58] 在一些比较简单的应用场景下 [8:00] 也可以选择精度不那么高的路径 [8:03] 比如说我们在WAIC的展会上 [8:05] 就看到一些采用电容式的触觉传感器 [8:08] 已经被批量用于工厂的产品分拣 [8:11] 还有检测了 [8:12] 原因就在于成本相对较低 [8:15] 与精度最高的光学式相比 [8:17] 采购价只有四分之一到二分之一 [8:19] 而且即使是同一个部位 [8:21] 未来也有机会融合多种技术 [8:23] 但前提是技术得足够成熟 [8:26] 电容其实它的灵敏度非常高 [8:28] 但这个问题就在于 [8:29] 当你把这个材料已经压紧了之后 [8:31] 它对于力的感知范围就会非常有限 [8:35] 但压阻其实是一种必须硬碰硬的技术 [8:39] 所以在这种情况下 [8:41] 其实结合两者是一个可行的方案 [8:44] 但是问题就在于 到底这个制造的工艺 [8:48] 和它的良率和它的量产能力 [8:52] 是否能够跟上我们的需求 [8:54] 但是现阶段 [8:55] 可能大家都还在尽可能地去完善 [8:58] 单一技术路线本身的一些缺陷 [9:01] 除了力的感知 [9:02] 广义的触觉还包括振动、材质感知等等 [9:06] 这就得依靠其他的传感器来补足 [9:08] 比如说人类想分辨丝绸和棉布的时候 [9:11] 会通过触摸加滑动的方式来产生振动 [9:15] 来感知材质的细粒度 [9:17] 那么到了机器人身上该怎么做呢 [9:19] 我们会加入 像加速度计 [9:21] 或者像麦克风这种传感器 [9:23] 能够更有效地捕捉到高频振动产生的信号 [9:26] 所以完整的触觉方案 [9:28] 不是选一种技术路线就完事了 [9:31] 目前行业里面最前沿、精度最高的 [9:33] 就是光学式 [9:35] 我们的采访嘉宾Eric [9:36] 所创办的公司一目科技 [9:38] 也就是选择了这个方向 [9:39] 那么接下来我们就走进他的实验室 [9:42] 探究一下光学式的原理 [9:48] 2000年前后 [9:49] 一批研究人员开始尝试一个大胆的想法 [9:52] 触觉能不能也像视觉一样 [9:54] 被摄像头“看见” [9:55] 其中最具代表性的探索之一 [9:57] 是来自MIT教授Edward Adelson [9:59] 领导的团队 [10:00] 他们在2009年提出了GelSight [10:03] 让机器人第一次拥有了 [10:04] 类似“视觉”的触觉能力 [10:07] 光学式最显著的优势就是分辨率高 [10:10] 甚至已经超过了人类 [10:12] 人的一个指尖大概1平方厘米 [10:15] 上面布了3000个触觉的感知点 [10:16] 上面布了3000个触觉的感知点 [10:18] 感知点 [10:19] 对 每一个点下面 [10:20] 有四个不同的nerve（神经元） [10:21] 就相当于12000个不同的神经元 [10:24] 在去做感知 [10:25] 我们的传感器现在可以做到24万个点 [10:29] 就已经超过人了 [10:30] 但是代价也不小 [10:32] 接下来我们从材料、结构、算法、成本 [10:35] 四个方面详细来说说 [10:37] 首先是材料 有三大要求 [10:39] 第一就是得特别软 [10:41] 业内称为“杨氏模量”低 [10:43] 这样才能够通过细致的形变 [10:45] 精确地反映物体的硬度和力度 [10:48] 第二是得耐磨 不然日常执行任务久了 [10:51] 就会出现性能漂移或者破损 [10:54] 第三是要尽量薄 [10:55] 才能尽可能缩小整个传感器尺寸 [10:58] 扩大应用场景 [11:00] 而这三点却天然对立 无法同时满足 [11:03] 我们一直讲 它是个不可能三角 [11:05] 但我们只能找平衡 [11:06] 以及说找一些新的方法 [11:09] 能不能把某些的变量给的约束条件去掉 [11:13] 或者说减弱 [11:15] 接下来我们去到材料实验室 [11:17] 看看新材料的研发过程 [11:23] 这边是我们自己做配方研究的一个实验台 [11:27] 可以看到其实这边我们这些原材料 [11:30] 大部分都是这种液态的材料 [11:32] 其实种类很多 [11:34] 感觉是个化学实验室 [11:35] 对 [11:36] 通过我们自己研究 [11:37] 要把这些不同的原材料给它混到一起 [11:41] 从而能够使它在成型之后 [11:44] 达到我们想要的这种性能 [11:47] 这个事情的难点在哪里 [11:49] 就是配方的各种不一样的配比 [11:52] Ratio（比例） 还是 [11:53] 它其实还不仅仅是这种配方 [11:55] 我们从底层的一些化学基底开始研究 [11:58] 单体 然后到我们的配方 [12:00] Eric告诉我们 [12:01] 现在行业出现了一种很有意思的材料 [12:03] 叫做“可恢复性材料” [12:05] 就像人一样 就算不小心给划破了 [12:07] 过段时间就能够自愈 [12:09] 它恢复性一般来自于一些特殊的官能团 [12:14] 就比如说我们会发现有一些分子 [12:16] 它的分子键断裂之后还会恢复 [12:18] 就是这种特殊的一些官能团 [12:20] 我们（做配方时）要去保留 [12:21] 这是我们新型的、非常新颖的一种材料 [12:25] 能做到跟人皮肤很接近吗 [12:28] 很接近 这个就是 [12:31] 你可以上手试一试 [12:33] 这超软的 [12:34] 比刚才那个软很多 [12:36] 对 像婴儿摸起来 [12:39] 它也没有任何伤害的感觉 [12:42] 我们再来聊聊结构 [12:43] 手指肯定是越小越灵活对吧 [12:46] 这就要求触觉传感器也尽可能做得小 [12:50] 我们的产品体积是最小的 [12:52] 我们的厚度和SIM卡的大小 [12:54] 基本上是一致的 不到16毫米 [12:56] 为什么做得薄是一个技术领先的事情 [12:59] 光触觉它背后需要有一个感光的芯片 [13:02] 要么用摄像头 要么用一些感光芯片 [13:06] 但是你为了达到把整个视场都能看到的 [13:10] 相当于我们微距摄影一样 [13:12] 它总是需要有一定距离的 [13:14] 这个距离就是它最底层的 [13:17] 一个物理的制约因素 [13:20] 要做得小 一方面就是 [13:21] 前面我们提到的材料要尽可能地薄 [13:24] 另一方面就得从摄像头上下功夫了 [13:26] 尽可能去降低摄像头的对焦距离 [13:29] 同时还要扩大视场角 [13:31] 来覆盖更多的感应区域 [13:33] 我们通过自研的一些 [13:36] 超表面和芯片的技术 [13:37] 能够去压缩它的视距 [13:40] 不再用一些传统的这种lens（透镜） [13:42] 这种镜头的方式来做了 [13:44] 在结构上 照明层的光路设计 [13:47] 也是一大难点 [13:48] 因为手指的形态不是完全平面的结构 [13:51] 左右两边都有一些弯曲的弧度 [13:53] 这就需要精细设置照明灯珠的排布 [13:56] 保证不同位置照明的一致性 [13:59] 照射的光路这里边是非常有讲究的 [14:03] 所以我们要做大量的仿真 [14:04] 我们叫光追踪 [14:07] 看到每一个光子在传播的路径里边 [14:11] 会怎么去做传播 [14:14] 在设计的时候我们就要把它做到 [14:17] 一方面是覆盖最广 [14:18] 这样我才能在270度都能覆盖到 [14:20] 另外一方面就是说 [14:22] 它精度和轨迹是可预测的 [14:24] 否则的话可能光和光之间就打架 [14:26] 就会产生了串扰 [14:27] 这是一台BSDF测试装置 [14:29] 用于我们不同产品的 [14:32] 表面材料的光学特性的测量 [14:35] 可以将测得的光学特性输入到仿真模拟中 [14:38] 使我们的仿真更加准确 [14:40] 有个小故事 [14:41] 之前如果买一套这种设备好像很贵 [14:43] 我记得大概多少 [14:44] 专业一点的设备要 [14:47] 百万级 [14:48] 百万级 [14:48] 这个是我们胡博士自己搭的 [14:51] 是吗 [14:52] 对 他们当时说我们买一台吧 [14:55] 胡博士说我们来自己试试能不能搭一台 [14:57] 而且精度各方面挺好的 [14:59] 你们这个有点SpaceX的味道了 [15:03] 自己搭了一个百万级的设备 [15:06] 另外 照明的灯珠 [15:07] 在市场上有两种方案 [15:09] 一种是单色 另一种是多色 [15:11] 为什么呢 [15:12] 这就要说到第三点 也就是算法 [15:15] 光学式具体是怎么去识别触觉的呢 [15:18] 主要有三种方式 [15:20] 第一种叫做标记点法 [15:22] 在皮肤层上会印很多微小的标记点 [15:25] 摄像头跟踪这些点的位移变化 [15:27] 来计算皮肤层的形变 [15:29] 优点是算法简单、制造容易 [15:32] 但缺点是精度上限很低 [15:34] Marker（标记点）我能点多少个 [15:35] 一般可能顶多就几十个Marker点 [15:38] 它就是你resolution（分辨率）的上限了 [15:41] 顶多我中间做一些插值 但这都不是真值 [15:44] 所以它的问题就在于 [15:47] 相对来说精度低一些 [15:48] 第二种是纹理分析法 [15:51] 皮肤表面不再需要规则的点阵 [15:53] 而是随机喷涂的细小颗粒 [15:55] 或者利用材料本身自带的不规则纹理 [15:58] 受力时摄像头通过追踪光影纹理的流动 [16:01] 来计算形变 [16:02] 它的优点在于硬件制造简单 [16:04] 因为不需要做标记点了 [16:06] 其实大家手里面的光学鼠标 [16:08] 原理就是简化版的纹理分析法 [16:11] 为什么是简化版呢 [16:12] 因为鼠标检测的是二维平面上的变化 [16:15] 而触觉传感器需要检测的是三维 [16:18] 这也是它的缺点所在 [16:20] 算法复杂 计算量更大 [16:22] 相对的响应延迟也较高 [16:24] 前面两种算法主要关心的是亮度 [16:26] 还有对比度这些信息 [16:28] 所以用单色照明方案就够了 [16:31] 而第三种光度立体法 就必须用多色光了 [16:34] 这种方式不需要任何标记点和纹理 [16:37] 皮肤比较均匀 [16:38] 照明层用红、绿、蓝三种颜色的光 [16:41] 从不同方向打光 [16:43] 发生形变的时候 [16:44] 由于皮肤表面凹凸变化 [16:45] 不同颜色光线打到同一个点的距离不同 [16:48] 相机捕捉到的就不再是均匀的颜色 [16:51] 算法会分析图像中的 [16:53] 每一个像素点的RGB颜色值来计算形变 [16:56] 第三种其实是兼顾了这两者优缺点的 [16:59] 比较好的一个折中方案 [17:01] 制造方面来说也没有那么复杂 [17:05] 但是它在解算的时候 [17:07] 通过预训练的一些模型 [17:09] 就可以快速地去做分析了 [17:11] 所以它算力要求比第一种大 比第二种小 [17:15] 精度也是比较优的 [17:17] 而光学式的第四个挑战就在于成本 [17:20] 通过前面的解析 [17:21] 相信大家也能够看出来它的结构有多复杂 [17:25] 相应的成本也更高 [17:26] 单价来讲的话 [17:27] （单指）还是千元级的这么一个价格 [17:30] 可能会比别的技术路线稍微贵一些 [17:33] 其实我们也看到了 [17:35] 把整个的成本降到小几百 [17:38] 可能性随着它的量上升 [17:40] 而且不光是制造本身 [17:42] 后续的算法、算力要求也更高 [17:44] 视触为什么现在大家比较流行 [17:47] 因为大家发现我可以比较好地 [17:49] 用这种视觉的模型就直接可以处理 [17:53] 但它的问题是什么 [17:54] 这个视觉的模型一般都会比较大 [17:56] 所以它对于算力的要求相对来讲会是更高 [18:00] 当然高成本也对应着高上限 [18:02] 在实验室里面我们也看到了直观的对比 [18:05] 这是一个没有触觉的灵巧手 [18:07] 在没有视觉的辅助下夹起薯片的时候 [18:09] 因为掌握不好力度 很容易就夹飞了 [18:12] 而这是带有视触觉的夹爪 [18:14] 不仅可以轻轻夹起薯片 [18:16] 当我想从它手中抽离时 [18:18] 它还会感知到轻微的晃动和摩擦 [18:21] 慢慢卸力 [18:23] 还有更好玩的 就是夹树叶 [18:25] 相比起薯片 树叶缺少了刚性 [18:28] 稍微多一点力就会发生形变 [18:30] 但我们看到夹爪依然能精准感知到 [18:33] 树叶发生微小的形变之后 [18:35] 因弹性而对两边释放的微小力 [18:39] 不过业内人士认为 [18:41] 现阶段更应该优先考虑的不是成本 [18:44] 而是验证路径的可行性 [18:46] 所以接下来 [18:47] 我们先来说说应用路上的第一道障碍 [18:50] 也就是数据采集 [18:55] 机器人最稀缺的就是训练数据了 [18:57] 而到了触觉领域已经不仅仅是“少”了 [19:01] 现在触觉的数据基本为0 [19:05] 就可用的数据基本为0 [19:06] 高保真的这种传感器其实之前是缺失的 [19:10] 然后我们通过传统的一些方法 [19:13] 采集来的数据跟人不太接近 [19:16] 且没有那么高保真的能力 [19:18] 你看对于“触觉”这种强调实感的维度 [19:22] 普通的视频还有文字等互联网数据 [19:25] 是无法反映出“力”的大小和方向的 [19:27] 所以这个领域尤其强调真机数据 [19:31] 但是真机数据在获取上存在着三大难点 [19:34] 我们再来做个简单的小实验哈 [19:37] 我们戴上这个很厚的手套 然后试图拿起一块豆腐 [19:40] 真的很难掌控力度 [19:43] 要么就是它会滑下去 [19:44] 要么我可能稍微一用力 它就破了 [19:47] 最主要的原因就是厚重的手套完全屏蔽了我们的触觉 [19:51] 我们无法判断豆腐和手指之间的摩擦力是否够 [19:55] 是否快掉下去了 [19:56] 以及豆腐的形变程度 是不是快破了 [19:59] 也是触觉数据采集时要面临的最大悖论 [20:04] 采集人的触觉也就意味着 [20:06] 我们会需要在人手和物体之间做一个隔离 [20:10] 那也就是说在某种程度上 [20:11] 我们屏蔽了人自己的触觉 [20:13] 如果人手被传感器覆盖 [20:16] 导致人本身的触觉没有办法被有效利用 [20:20] 导致人本身的触觉没有办法被有效利用 [20:21] 那么操作者的手变笨了 [20:23] 那我的这个demonstration（示范） [20:25] 其实质量会下降 [20:27] 那我这个数据其实训练出来的结果 [20:30] 就没有办法让机器人能 [20:33] 具有像人一样的灵巧的能力 [20:35] 这是一目的数采设备 [20:37] 把整个传感器放在了手指前面 [20:39] 操作起来就像用筷子一样 [20:41] 我认为它确实跟真实世界有gap（差距） [20:44] 通过一些算法能把它回退回来 [20:47] 可以去做一些gap的弥补 [20:49] 但是我不可否认它跟人是不一样的 [20:52] 所以最大的问题就是 [20:53] 要采集触觉 就得先屏蔽触觉 [20:56] 但是屏蔽触觉之后又难以采集触觉 [20:59] 这个好绕口 [21:01] 而且采集设备本身也比较复杂 [21:03] 一定程度上也会影响采集员的操作 [21:06] 其实大多数数采设备都非常的笨重 [21:09] 就是它尺寸大 穿戴比较麻烦 [21:11] 都会在某种程度上影响操作员 [21:13] 采集数据本身的一些行为 [21:15] 要解决这个问题 [21:16] 一方面需要行业做出更薄的传感器 [21:19] 尽可能减少对采集员触觉的屏蔽 [21:22] 我们下一代的触觉传感器 [21:23] 是超薄型的 3毫米 [21:25] 你不需要戴一个非常复杂的手套 [21:27] 只在某些关键的地方贴一些触觉点 [21:29] 另一方面 行业需要设计出 [21:31] 更舒适、更符合人体工学的采集设备 [21:34] 而这需要多学科领域交叉 [21:37] （人体工学设计）这个其实是 [21:38] 和设计一个触觉传感器和灵巧手 [21:41] 是完全不相干的东西 [21:42] 这个是我觉得接下来一年 [21:44] 非常重要的一个课题 [21:46] 行业里也有一些 [21:47] 对采集员影响较小的织物采集手套 [21:50] 但是这就牵扯到第二个问题了 [21:53] 数据密度不够 [21:54] 最好的织物的触觉手套 我们看到的 [21:56] 也就500个点一个手 [21:58] 我如果想把这个数据应用在 [22:01] 比如说我们的传感器上 [22:02] 那其实这个gap（差距）还是挺大的 [22:03] 那其实这个gap（差距）还是挺大的 [22:05] 也就是说如果我戴着这个手套 [22:06] 去抓一个M2的螺钉 [22:09] 其实在这个上面就是一个点 [22:11] 我是没有办法去检测到这个螺丝的方向 [22:14] 或者它的大小的 [22:16] 即使模型再强 也没有办法有效地 [22:19] 让它去学习到这样的一些信息 [22:22] 于弢团队和MIT去年合作了一个项目 [22:25] 用这类手套采集触觉数据 [22:27] 结果发现大部分有效数据都是 [22:29] 用整个手掌抓取一个较大的东西 [22:32] 因为这种任务对密度的要求最低 [22:34] 一旦涉及到精细操作数据就失效了 [22:38] 行业面临的第三个问题是 [22:39] 由于触觉还是非常早期的行业 [22:41] 各家公司的数据采集格式不统一 [22:44] 难以形成大规模的训练集 [22:46] 比如有的采集设备是两指的 [22:49] 就只适合在工业场景的机器夹爪上 [22:51] 不适用于灵巧手的训练 [22:53] 在数据的存储和对齐方面 [22:56] 我觉得现在还做得不够好 [22:58] 它们之间的一致性好不好 [23:02] 触觉和其他模态的对齐好不好 [23:04] 比如说我同时采了触觉、视觉、本体信息 [23:08] 这些模态是不是能从时间轴 [23:11] 到它数据本身的对齐能力做得更好 [23:15] 就这块其实也是缺失的或者做得不够好 [23:17] 硬件其实现在是相对不成熟的 [23:21] 不同的技术也好 [23:22] 不同的传感方式、数采设备 [23:26] 各自的数据格式、各自的数据形态 [23:31] 其实都不一样 [23:33] 算法就没有办法去演进 [23:34] 因为数据的量上不去 [23:36] 设备不够成熟就采不到高质量数据 [23:39] 然后训练不出好模型 [23:40] 然后就没人愿意投资这个领域 [23:43] 这会是一个不断的恶性循环 [23:46] 既然真机采集这么难 [23:48] 那如何才能够规模化呢 [23:51] 这就得用到仿真合成了 [23:53] 仿真是在虚拟的环境中模拟真实场景 [23:56] 可以同时、批量采集不同的数据 [23:59] 到了这一步 [24:00] 就不得不说到 [24:01] 大家比较熟悉的公司 英伟达了 [24:04] 这条是老黄重点押注的路线 [24:06] 他们为此也搭建了 [24:07] 非常完善的框架Isaac Lab [24:10] 实际训练的时候 [24:11] 触觉公司会利用各种公有的模型 [24:13] 并对不同的模型加入一些真实的物理特性 [24:16] 比如一个螺母 [24:18] 它就是刚性的、比较重、表面光滑 [24:20] 或者是一个毛线球 [24:22] 它有多软、多重、表面粗糙程度如何等等 [24:26] 同时还要在系统里输入触觉传感器的特征 [24:29] 比如说表面的弹性体的物理特征 [24:31] 手指内的光源分布等等 [24:33] 而有了这些数据之后 [24:34] 就可以在系统内模拟触觉传感器 [24:37] 接触到不同物体时 [24:38] 表面的形变程度、光路变化 [24:40] 推算出最终采集到的数据 [24:43] 仿真的结果还会和现实表现做对比 [24:46] 通过数据标定来进一步修正 [24:48] 这边图上面就是展示的 [24:50] 我们在某一个确定的条件下 [24:53] 实际上的图像采集 [24:55] 后面蓝色的点就是仿真的形变 [24:58] 红色的点就是标定的 [25:01] 我们暂时的这部分修正是在解算层面 [25:04] 最后做一个映射的矩阵去修正输出 [25:07] 后续会在模型输入的层面去做修正 [25:10] 另外在今年五月 [25:11] 有一篇名为Tabero的论文 [25:13] 还提出了一种方法 [25:14] 那就是复用已有机器人数据 [25:16] 把这些轨迹重新放入Isaac Lab当中 [25:19] 并且加入触觉传感器模拟 [25:21] 最终生成完整的“视觉-触觉-语言-动作”数据 [25:26] 这其中最大的难点就是计算量太大了 [25:29] 如果说要精细地进行 [25:31] 弹性体变形的计算的话 [25:33] 如果说我们用一些有限元的方法 [25:35] 来进行精细的计算的话 [25:37] 可能一帧就需要一个小时的时间 [25:40] 这对于需要快速实时地获取数据而言 [25:44] 是不能接受的 [25:46] 所以学术界提出了很多简化的计算方式 [25:49] 比如说英伟达在2025年 [25:50] 就发布了TacSL论文 [25:52] 就介绍了一种用于视触觉的仿真方式 [25:55] 它的核心思路是 [25:56] 用软接触模型代替有限元计算 [25:59] 什么叫做软接触呢 [26:01] 比如说我们把物体和皮肤都当作刚体处理 [26:04] 但它们之间可以“互相穿透” [26:07] 接触的力越大 穿透得越多 [26:09] 这样算出来的形变虽然不是最精确的 [26:12] 但也能大致模拟 [26:13] 而且在计算速度上更快 [26:15] 但不可否认 [26:16] 仿真和现实之间永远都会有差距 [26:19] Eric就告诉我们 [26:20] 他们仿真的准确率大概是在90%以上 [26:24] 而其中10%的差距 [26:26] 主要在于柔性物体的模拟 [26:28] 这也是目前的挑战所在 [26:30] （针对柔性物体）我们也可以 [26:31] 去补充一些后训练数据 [26:33] 比如说我们已经有一个80分的模型了 [26:35] 我再加一点点后训练 [26:36] 很快就可以到90分以上 [26:38] 这个思路和TacSL论文的策略是一致的 [26:42] TacSL在训练策略的时候做了两件事 [26:44] 一是随机化物理参数 [26:46] 让策略适应不同的刚度、阻尼 [26:49] 二是在触觉图像上做大量的数据增强 [26:52] 让策略对摄像头差异、光照变化鲁棒 [26:55] 这样他们在真机上实现了零样本迁移 [26:57] 在插拔销钉的任务上 [26:59] TacSL在真机上达到了82.7%的成功率 [27:03] 所以仿真的意义 [27:04] 更多是作为真机数据的补充 [27:06] 两者需要搭配训练 [27:09] 我到底真实的（数据）多一点 [27:10] 和仿真的多一点 [27:11] 每家可能不太一样 [27:13] 我们的判断可能至少1比1 [27:15] 甚至1比1以上 [27:16] 仿真可能会占多数 在短期之内 [27:19] 到底需要多少数据 [27:21] 才能够训练出较好的模型 [27:23] 在这点上业内人士给出的答案 [27:25] 比我们想象的更乐观一些 [27:27] 什么时候我们能够收（集）到100万小时 [27:30] 等同于一个人一生的物理经验的数据 [27:32] 我觉得可能我们才开始后面的探索 [27:35] 这是我们采访做具身模型的人时 [27:37] Physical Intelligence的嘉宾Kay [27:39] 她给我们的答案 [27:40] 但到了触觉领域 数据量却只要十分之一 [27:43] 训练一个带有触觉的基础模型 [27:47] 所需要的数据 [27:48] 应该是要远低于基于视觉的基础模型 [27:51] 当你有10万小时的数据往上走 [27:54] 你会发现它逐渐就开始有一定的泛化能力 [27:57] 这背后的原因其实不难理解 [27:59] 因为机器人的行为模型 [28:01] 其实包含了大量操作的“过程”信息 [28:04] 比如说转身、伸手、移动等等 [28:06] 并不是说这些信息不重要 [28:08] 但真正对训练有效的部分 [28:10] 往往是那些“拿起”、“放下”等关键的操作 [28:13] 而对于触觉数据来说 [28:15] 平时在没有操作时 输入的信息基本为零 [28:18] 相当于这10万小时 [28:20] 已经减掉了无效操作的部分 [28:24] 说完数据采集 [28:25] 我们再来聊聊触觉的第二个障碍 [28:28] 算法模型的应用 [28:29] 有意思的是 [28:30] 如果你直接把触觉信号 [28:32] 输入到行为模型当中 [28:34] 机器人任务的成功率反而会下降 [28:37] 这是为什么呢 [28:41] 今年6月 伯克利、英伟达、斯坦福 [28:43] 集结了李飞飞、Jim Fan等众多知名学者 [28:46] 联合发布了一篇名为T-Rex的论文 [28:49] 其中一项实验结果表明 [28:50] 如果把触觉信号 [28:51] 直接输入到π0.5的模型当中 [28:54] 各项任务的成功率反而下降了 [28:57] 这反映出一个问题 [28:59] 加了一个模态不等于模型表现就能够变好 [29:03] 所以如何利用触觉信号 [29:04] 目前是最大的挑战之一 [29:06] 我觉得最大挑战其实是 [29:08] 大家对于触觉这个模态还是比较陌生 [29:11] 以及它真的怎么融入到我们模型训练里边 [29:14] 其实大家还没有一个 [29:16] 完整跑通cycle（闭环）的 [29:17] 这么一个好的SOTA（最先进的）模型出来 [29:19] 我们先简单来说说 [29:21] 此前触觉应用的三大挑战 [29:24] 第一个问题是触觉没法用规则定义 [29:27] 一个东西到底是软还是硬、是脆还是弹 [29:30] 超过多大的力会破坏物品 [29:33] 物品能不能被破坏 [29:34] 我们没法单纯地设置一个数值 [29:36] 写一个规则 [29:38] 这样在执行任务的时候模型会难以判断 [29:40] 比如拿起纸杯这件事 [29:42] 力气小一点能够拿起来 [29:44] 稍微再夹紧点 杯子有点形变 [29:46] 也可以接受 [29:47] 但是到了鸡蛋上就绝不能让蛋壳有形变 [29:51] 第二个问题是触觉信号维度太多 [29:53] 直接输入到模型当中反而成为了噪声 [29:56] 我们前面说过 [29:57] 触觉包含了纵向的压力 [29:58] 横向剪切力和摩擦力 [30:00] 还有表面材质感知的温度 [30:02] 振动、音频等等数据 [30:04] 这些数据不加处理地输入到大脑中 [30:07] 模型将难以分解 [30:09] 第三个问题是 [30:10] 触觉和其他模态的频率不匹配 [30:12] 触觉信号天然是高频的 [30:14] 而视觉语言模型通常运行在低频率 [30:17] 这就意味着两者难以直接结合 [30:20] 会出现计算资源浪费、反应速度慢 [30:22] 触觉噪声干扰高层规划等问题 [30:26] 到了今年 由于AI的进步 [30:28] 业界是看到触觉应用的范式 [30:30] 之所以触觉最近两年开始火 [30:33] 并不是因为触觉这个技术本身 [30:35] 这两年才存在 [30:36] 而是在很久以来 [30:37] 大家并不知道怎么样去用触觉 [30:39] 其实像最近这些AI算法的演化 [30:42] 和这种端到端模型的实现 [30:44] 其实对于触觉的利用是非常大的促进 [30:47] 我们知道端到端 [30:49] 就是直接把信号输入给神经网络 [30:51] 让模型自己学习 不需要人为定义规则 [30:54] 这就解决了第一个挑战 [30:56] 第二个挑战的解决思路 [30:58] 就是利用编码器（Encoder） [31:00] 前置处理触觉信号 [31:02] 将这些数据打包后输出完整的语义理解 [31:06] 就是用这种 [31:07] Self-supervised learning（自监督学习）的方式 [31:09] 去train Encoder（训练编码器） [31:10] 我们可以很容易地 [31:12] 把不同类型的触觉模态 [31:14] 甚至视觉结合在一起 [31:17] 然后利用现有的一些 [31:19] 比较常见的这种 [31:20] Attention的mechanism（注意力机制） [31:21] 就可以比较好地去抓取 [31:23] 不同模态的触觉之间的这种相互的关系 [31:27] 然后从模型训练的角度 [31:29] 这个能够比较有效地把这样的一个信息 [31:32] 集成到更大的一个 [31:33] Backbone（主干网络）里面 [31:34] 我们叫 [31:35] Tactile Transformer encoder（触觉Transformer编码器） [31:36] 然后通过编码器对它进行一个语义理解 [31:39] 比如说到底是软的、硬的 [31:41] 有没有摩擦 [31:43] 包括形态上来说像什么 [31:45] 等等这些语义理解 [31:46] 它做完这个编码之后 [31:48] 再进到这个backbone（主干网络） [31:50] 大模型里面去做一个判断 [31:53] 再来说说如何解决频率不匹配的问题 [31:56] 在T-Rex论文当中就提到了MoT的方式 [31:59] 这篇论文提出的“MoT”架构 [32:01] 借鉴了MoE的思想 [32:03] 由不同专家处理不同类型的信息 [32:06] 为此构建三个不同的专家 [32:08] Latent Expert 潜在专家 [32:10] 负责处理视觉和语言观察 [32:13] 预测未来的视觉表征 [32:14] 提供“上下文理解” [32:15] 这是慢速的、认知层面的 [32:18] Action Expert 动作专家 [32:20] 负责根据视觉语言上下文生成动作序列 [32:23] 比如说往哪里走、手臂大概怎么摆等等 [32:26] 但是它输出的只是粗略的动作 [32:29] 而最具创新的是第三个专家 [32:31] 叫Tactile Expert 触觉专家 [32:34] 它就像机器人的反射系统 [32:35] 在动作执行过程当中 [32:37] 通过实时触觉反馈 [32:39] 对力度、角度和接触状态进行快速修正 [32:42] 听上去好像也不算啥创新 [32:44] 毕竟MoE架构早就有了 [32:46] 只是额外设置了一个触觉专家而已 [32:49] 别着急 这套系统最重要的思想 [32:52] 在于“异步执行” 什么意思呢 [32:55] 在推理时 动作专家生成动作规划 [32:58] 同时触觉专家以更高的频率独立运行 [33:01] 不断对动作进行修正 [33:03] 这样机器人在利用触觉的时候 [33:05] 可以复用已经算好的上下文缓存 [33:07] 只进行快速的触觉推理 [33:09] 这样既保留了大模型的理解能力 [33:12] 又获得了类似人类触觉反射的 [33:14] 快速响应能力 [33:16] 这也类似我们之前聊 [33:17] 基础模型的双系统架构 [33:19] 它的System 2负责慢思考、长程规划 [33:23] 而System 1负责快反应、本能动作 [33:26] 触觉也不例外 [33:28] 所以我们就觉得它应该是两个不同的系统 [33:31] 以及它可以去打通 [33:32] 就比如说在 触觉在边缘端 [33:35] 我其实应该有一个快速响应机制 [33:37] 比如碰到了 我们就应该做什么动作 [33:39] 同时我觉得触觉信息也应该能回到大脑去 [33:42] 对我一个相对长程的这个过程里边 [33:44] 做一定决策的影响 [33:46] 但是它就偏reasoning（推理） [33:48] 我们在采访过程当中 [33:50] 也发现了业界的一点分歧 [33:51] 那就是触觉模型是单独训练 [33:54] 还是要结合摄像头、激光雷达等 [33:56] 其他传感器来一起训练呢 [33:58] Eric就认为触觉模型可以单独训练 [34:01] 这样才能够更好地去平衡权重 [34:04] 就像T-Rex这篇论文的思路 [34:06] 我们会更倾向于触觉模态的单独训练 [34:10] 因为触觉模态它本身的语义理解 [34:12] 就可以完成一定的闭环了 [34:15] 当它的语义理解结束之后 [34:17] 再和其他的模态进行融合 [34:19] 让大脑去判断会更好一点 [34:21] 因为它每一个模块 [34:23] 可以去单独地做训练、测试、闭环 [34:27] 然后同时这些模块可以像即插即用一样 [34:30] 去插到不同的系统里面去做应用 [34:33] 它还能跟其他模态更好对齐 [34:36] 不然的话你这个眉毛胡子一把抓 [34:38] 都混在一起 [34:39] 到底模态之间的数据怎么去平衡 [34:42] 其实是个挺难的问题 [34:44] 而来自北美的于弢就认为 [34:46] 两者必须要同时进行 [34:48] 这样才能够判断 [34:49] 每个“力”在空间中的分布 [34:51] 让模型更好地理解 [34:53] “我是拿了什么东西才会有这样的感知” [34:56] 视觉它是一个全局的 [34:58] 而触觉它真的是一个非常局部的事情 [35:00] 我的手的形态动的时候 [35:02] 同一个传感器 [35:03] 对应的在空间上的分布是不一样的 [35:06] 当大家做视觉和触觉的模态融合的时候 [35:10] 其实并不是一个简单的 [35:12] Latent space representation（表征空间） [35:13] 你在同一个embodiment（载体） [35:14] 做同样一件事情的时候是可以的 [35:17] 但一旦这样做完之后 [35:18] 你的transfer（迁移）非常难 [35:20] 比如像哥大李昀烛（Yunzhu Li）老师 [35:22] 是把这种触觉的力的分布是 [35:26] 结合到这种三维点云上的 [35:28] 那么也就是说这个力并不只是一个力 [35:31] 而是它在这个空间中力的一个分布 [35:35] 那么在这种情况下 [35:36] 其实是需要触觉和视觉的结合的 [35:39] 于弢的思路也对应着 [35:41] 我们前面提到的Tabero这篇论文 [35:43] 他认为触觉应该参与到高层决策中 [35:46] 理解“轻一点”和“重一点”的语义 [35:48] 简单来说Tabero主打前置的“语义力控” [35:52] 而T-Rex是执行过程的“高频修正” [35:55] 由于触觉这个行业 [35:56] 目前处于非常早期的阶段 [35:58] 多条路线在同时探索 [36:00] 没有绝对的优劣之分 [36:02] 我们也只是向大家来展示不同的路径 [36:04] 最后我们来说说触觉的第三个障碍 [36:07] 就是规模化 [36:12] 量产的最大的难题就在于性能的一致性 [36:15] 上周在ICRA 2026 在维也纳 [36:19] 我们看到非常多的触觉传感的公司 [36:22] 我们亲手去测了一下这个事 [36:25] 它是否一致 [36:27] 其实大多数是做不到的 [36:28] 因为手指的调整动作都是非常微小的 [36:31] 在做精密操作的时候 [36:33] 输出的力稍微有点偏差 [36:34] 就可能导致任务失败 [36:36] 但触觉传感器又太精密了 [36:38] 但凡表面的弹性体厚度相差太大 [36:41] 弹性系数不一致、传感器间距不同 [36:43] 都会导致参数偏差 [36:45] 算法就难以计算出正确的数值 [36:48] 接下来我们就去一目科技的试产车间 [36:51] 看看他们是如何验证新工艺的 [36:56] 我们现在穿上了无尘服 [36:58] 接下来会去到他们的试产车间 [37:03] 大家先摸一下这个防静电球 [37:05] 去除身上的静电 [37:07] 第一步是先把凝胶材料放到模具内固化 [37:11] 作为手指的表面弹性体 [37:12] 这一步得注意 [37:13] 不能有任何的灰尘和气泡 [37:15] 这是一个超净工作台 [37:17] 它可以提供一个局部100级的超洁净空间 [37:21] 有利于我们的凝胶制备 [37:23] 制备完成之后还得先检验是否合格 [37:27] 这边会做一些拍摄 [37:29] 如果发现里面有气泡、杂质的情况 [37:32] 我们是可以通过视觉来筛选的 [37:34] 并且我们所有的数据会经过上位机的判断 [37:38] 再筛选一次 [37:39] 最后就是将其他地方制备的零部件 [37:41] 集中到一条产线上进行组装 [37:44] 大家刚才看到的材料 [37:46] 会在这里进行分步组装 [37:48] 从第一个粘接工位 [37:51] 到这边的预总装工位 [37:51] 到这边的预总装工位 [37:53] 包括壳体、灯带、相机、芯片等 [37:58] 各个零部件的精密组装 [38:00] 然后我们会到总装前的预检测工位 [38:04] 我们的触觉传感器会在这里 [38:07] 进行一个成像的检测 [38:09] 可以拉近看一下我们电脑里显示的画面 [38:11] 可以拉近看一下我们电脑里显示的画面 [38:12] 它展示了我们触觉传感器的一些精密动态 [38:17] 它是力学的反馈 [38:20] 里面有很多的AI算法在里面 [38:23] 经过检验的成品最后就变成了我们的成品 [38:25] 经过检验的成品最后就变成了我们的成品 [38:26] 当然每个批次的试产样品 [38:28] 还得经过自动化测试 [38:30] 用来验证工艺参数的稳定性 [38:34] 相信大家都能看出来 [38:36] 在试产阶段很多步骤依然依赖于手工操作 [38:39] 因为触觉传感器是一个比较新的品类 [38:42] 现成的标准化、自动化设备 [38:44] 暂时还没有统一 [38:46] 这个（触觉的）量产 [38:46] 它不是脱离了你的上下游自己去生产 [38:50] 你的上下游 比如说是数采 [38:53] 或者是灵巧手 [38:55] 其实它有不同的协议、有不同的接口 [39:00] 有不同的关于它手的适配 [39:03] 所以来讲 你的量产还是要跟着它的需求 [39:08] 有一些定制化的操作 [39:10] 一方面是自动化量产线稳定交付标准品 [39:14] 另一方面是试产线 [39:15] 承接定制化需求和新工艺验证 [39:18] 那么这两条线协同运转 [39:20] 正是这个行业走向成熟的标志 [39:23] 而到了2026年这个时间点 [39:25] 我们采访的几乎所有嘉宾都表示 [39:27] 触觉已经是处于爆发的前夜了 [39:30] 今年我们确实是看到了说 [39:32] 整个需求有一个大幅度的上涨 [39:36] 大家慢慢认识到了 [39:39] 触觉的数据 其实对于物理AI [39:42] 最后训出更好的模型来讲 [39:45] 是非常重要的 [39:46] 今年来讲的话 [39:48] 灵巧手、上下游 [39:50] 包括具身的整机 [39:51] 大家都在去拼命地做、拼命地出货 [39:54] 自然也会带动整个触觉传感更加成熟 [39:58] 在今年的WAIC展会上 [40:00] 我们也在一目科技的展台 [40:02] 看到了某大型汽车电池装配工厂 [40:05] 将他们的触觉传感器搭载到了机械臂上 [40:08] 实现了工业级的应用 [40:10] 不同的电池包 [40:11] 这样的一些形态、它的一些变化 [40:14] 如果我们依赖传统的自动化 [40:16] 纯去做每次的预编程和大量的开发 [40:19] 是没有办法去做 [40:21] 适应这种产线的频繁调度和变化的 [40:24] 这样的一个过程 [40:25] 所以基于这个触觉 [40:27] 就得到了一些柔性装配的能力 [40:30] 而未来还将应用到实验室里 [40:32] 做更多精密操作的项目 [40:34] 比如说像滴管 去做精准的取液 [40:37] 我恰好要把它控制到 [40:39] 毫克级的这样一个精准程度 [40:42] 有了触觉的一个精准反馈 [40:44] 我可以精准地去控制 [40:45] 对于滴管施加的一个力 [40:47] 形变这样的一些变化 [40:48] 根据美国银行的预测 到2030年 [40:51] 人形机器人的出货量将达到120万台 [40:54] 假设都装配了触觉传感器 [40:56] 每个机器人10根手指 [40:57] 那么触觉的市场需求将提升到千万级别 [41:01] 如果那个时候是量产 [41:02] 我们倒推一年 或者一年半到两年 [41:05] 这么一个研发的周期 [41:06] 或者测试的周期 [41:08] 也就是说下一年（要开始上量） [41:10] （触觉的）下一个里程碑节点 [41:11] 会在什么时候发生 [41:14] 我觉得就是今年或者明年年初 [41:16] 应该就这个时间段 [41:22] 在我们采访的时候Eric就提到 [41:24] 触觉是让机器人类人 [41:27] 甚至超越人的“最后一块拼图” [41:30] 因为这不仅是多了一个维度的数据 [41:32] 更是让机器人掌握到了“人类的第一语言” [41:35] 人类的婴幼儿 他刚出生之后 [41:38] 他第一个会的其实并不是看和听 [41:42] 小朋友都是靠触觉 [41:44] 我摸这个世界 [41:45] 甚至可能用舔、用舌头 [41:47] 这个其实是我们人类 [41:49] 对于这个世界的第一语言 [41:51] Adelson也提到 [41:52] 启发GelSight的灵感是源于观察小孩时 [41:55] 发现触摸对他们更有吸引力 [41:58] 是啊 如果我们想想 [41:59] 我们的小孩刚出生的时候 [42:01] 他不会说话、不会走路 [42:03] 连看都看不太清楚 [42:04] 想感知世界 就只能够伸手 [42:06] 去摸妈妈的脸、摸床单的材质 [42:09] 摸脚趾头的形状等等 [42:11] 而今天我们正在教机器人做同样的事情 [42:14] 让它摸花生、摸树叶、摸鸡蛋 [42:17] 每摸一次对物理世界的理解就多一点 [42:20] 或许很多年之后 [42:22] 机器人走进我们的生活 [42:24] 那个时候我们回望 [42:25] 可能会发现转折点就在触觉普及时 [42:29] 因为那一刻 [42:30] 机器人才开始真正地理解了世界 [42:33] 好了 这就是这期视频的全部内容 [42:35] 非常感谢大家看到这里 [42:36] 你们的留言、点赞还有转发 [42:37] 是支持我们《硅谷101》 [42:39] 做好深度科技和商业内容的最佳动力 [42:41] 我是陈茜 那我们就下期再见啦 拜