给灵巧手加上触觉，任务成功率反而从17%跌到6%？李飞飞团队最新论文给出答案

如果你今年逛了世界人工智能大会，会发现一个有意思的现象：几乎所有做灵巧手的公司，都在反复强调自己的“触觉”能力。两年前还少有人提及的触觉传感器，今年成了各家展台的核心关键词，甚至有从业者直接喊出“触觉比视觉还重要”的判断。

这背后的逻辑并不复杂。随着具身智能从实验室demo走向真实场景，纯视觉方案的短板越来越明显——摄像头总有盲区，感知不到手指和物体之间的细微接触。就像视力再好的人戴着手套做针线活，看得见线头，却感觉不到针有没有穿过去。于是过去一两年，整个行业都在把触觉模态“加”进现有的VLA模型里，期待多一个感知维度能把模型能力再往上推一个台阶。

但最近一篇论文给出了一个反直觉的答案：直接把触觉硬塞进模型，效果反而更差。

这篇名为“T-Rex”的论文，作者阵容汇集了李飞飞、NVIDIA的Jim Fan、UC Berkeley的Trevor Darrell、Pieter Abbeel等全球AI与机器人领域最顶尖的研究者。他们做了一个最直观的实验——给行业经典模型π0.5加上触觉条件后，任务成功率从17%直接跌到了6%。

为什么会这样？原因在于触觉信号和视觉信号本质上是两种完全不同的信息。视觉是低频的、全局的，5Hz就能完成一次场景理解；触觉是高频的、局部的，需要20Hz甚至更高频率才能捕捉到滑移、形变这些细微变化。把两个频率、逻辑都不一样的信号硬塞进同一个处理通路，只会互相干扰。T-Rex验证了一个关键判断：触觉不是视觉的附带品，它需要自己的时序编码、自己的处理通路、自己的训练范式。

这也解释了为什么一些触觉传感器头部企业要投入资源做“原生触觉模型”。想要触觉真正参与控制闭环，就必须有专门适配触觉特性的模型架构。这不算重复造轮子，而是从实际需求出发解决行业真问题。

如果说“做专属触觉模型”还能形成小范围行业共识，那么“自研触觉芯片”面临的争议就要大得多。有从业者提出质疑：当前触觉传感器的技术路线还没有完全收敛，量产规模不算高，落地场景也不够稳定，现在自研芯片是不是太早了？投入产出比算得过来吗？

这个疑问有一定道理。芯片研发周期长、投入大、风险高，通常是行业进入成熟期之后才会做的事。但换一个角度，从第一性原理思考，机器人的终极形态是拟人化的，而拟人化的技术方向必然朝着低功耗、低延时、核心指标持续升级的路径演进，这些底层诉求最终都要靠芯片来承载。

更现实的问题是，现有通用芯片根本满足不了机器人触觉的落地需求。要完成一次完整的触觉反馈，需要模拟前端、端侧小算力MCU、电源驱动、信号路由等一系列芯片协同工作。指尖传感器的触点密集、体积极小，对集成度要求非常高，单颗高度集成的专用芯片远比多颗分立芯片的方案更优。很多中国传感器公司一开始也用海外大厂的芯片，但很快发现单一芯片支撑不了完整的触觉技术栈，通用芯片的参数也不是为触觉场景优化的，测量频率、通道数配比、弱信号感知能力都有明显短板。

对于头部企业而言，自研芯片带来的提升是实打实的。2021年他山科技发布全球首款AI触感专用芯片“红宝石”，今年WAIC上最新发布的“绿宝石”E10A芯片更进一步，能将触觉感知信号直接在硬件层面转为脉冲信号。在此之前，脉冲转换需要先把模拟转成数字，再通过软件转脉冲；现在直接硬件完成，效率和延迟都上了一个台阶。测量频率的提升也更明显——行业普遍的单传感器测量频率在几十赫兹量级，而新款芯片沿用原有模式频率就能提升2-3倍，切换到脉冲输出模式更是提升100倍，有了这样的频率就能捕捉指尖更精细的变化。

更深一层看，芯片研发有自己的时间周期和技术沉淀规律，不能等产品快大规模落地了才开始做芯片，那样至少会落后两到三年。当然，不是每家公司都有能力、有必要自研芯片，这需要深厚的模拟芯片设计积累、足够的量产经验支撑，以及对触觉场景的深度理解。但对于头部企业来说，芯片作为底层基建，从什么时候开始做都不算早。

与“自己做芯片”不同，“自己采数据”这件事行业基本已经形成了共识。具身数据这个赛道，商业化供应链还很不成熟，第三方数据供应商的产品很容易同质化——大家都用差不多的采集方案、差不多的任务场景，训练出来的模型自然也拉不开差距。想要建立数据壁垒，最终还是得自己采。

但更值得讨论的问题是：为什么连数据采集设备本身也需要自研？市面上不是没有现成的方案，外骨骼、数据手套这些构型存在很多年了。但真正用到触觉数据采集上，问题就暴露出来了。最常见的柔性触觉手套大多基于压阻方案，有一个致命缺陷是数据一致性太差——柔性基底加柔性传感器的组合，误差会被层层放大，弯折过程中即使没有受力也会产生数据跳变，还存在数据残留、漂移等问题。行业对柔性手套的触觉数据容错率原本放宽到30%-40%的无效数据，但实际使用中大部分数据都是无效的。外骨骼方案倒是能保证关节位置数据的精度，但体积大、成本高、佩戴复杂，很难规模化推广，而且外骨骼主要采集的是关节角度，触觉信号本身还得另想办法。

于是，一些擅长做触觉的公司开始尝试新的构型。今年WAIC上，他山科技推出了一种指套式的采集方案，戴在指尖上即可。选择指尖作为采集重点的逻辑很清晰：指尖是实现抓取等功能的核心部位，优先级远高于指肚、指腹和手掌，先把最关键的数据做好。指套方案还有一个优势是不会遮挡手部关节，可以同时用摄像头捕捉关节运动数据，不需要额外通过外骨骼或IMU采集，也能保持高一致性。

不过，也不必把自研数采设备上升到“战略布局”的高度。对于他山科技这样的企业来说，这更像是一种“水到渠成”的结果——已经有了自研芯片、成熟的传感器硬件，以及上百家客户的量产经验，再做数采设备的门槛其实已经很低了。芯片是自己的，传感器是自己的，客户需要什么样的数据最清楚，只不过是把这些能力重新组合成一个新产品。作为一种产品，数采设备的核心无非是解决用户的痛点。

从卷触觉传感器，到卷专用模型，再到卷芯片、卷数据采集设备，这轮具身智能的“触觉竞赛”正在一层层往底层渗透。当行业集体把目光从“能抓起来”转向“怎么抓得更稳、更精细”，触觉就不再是一个选配项，而是决定灵巧手上限的核心变量。