AI终于“长”进机器人身体里！机械臂学会用触觉思考

机器人拥有触觉的皮肤了，并且碰一下就懂你的意图！

试想这样一个场景：当有人轻轻扶住你的手臂，你几乎无需思考，便可立刻判断是善意的引导还是外界的阻挡，并顺势调整动作；如果有人突然碰了你一下，即使闭着眼睛，你也能迅速感知接触发生在哪里、力度有多大，并立即作出反应。

然而，传统机器人由于依赖视觉和稀疏力感知的局限，这样的能力对于它们而言仍然十分陌生。

如今，这一局面开始发生变化。近期，香港科技大学申亚京教授团队研发出一种名为 EmArm（Embodied sensorimotor robotic arm）的具身机器人手臂，实现了亚毫米级触觉定位与实时“感知-行动”闭环。

它与以往技术最大的不同在于，通过机械臂共生设计将自带“神经”的软皮肤直接嵌入硬机械臂中，首次兼具全臂高分辨率、高稳定性的触觉能力以及高精度的运动能力。

此外，研究人员还提出了一种融合大面积触觉、本体感受、特征提取、闭环控制的“感知-驱动”一体化算法。该算法有助于处理机器人接触问题，并适应动态环境。

也就是说，机器人不再只是“感觉”到接触，而是能够能够像人一样，在接触外界的同时理解环境，并实时调整动作。

图丨感知驱动一体化架构（来源：Nature Sensors）

实验中，这套系统不仅能够识别人类不同的触摸方式，还能稳定托住失衡的篮球；即使摄像头看不到障碍物，也能够依靠触觉自主停止运动、判断障碍是否仍然存在，并重新规划运动轨迹继续完成任务。

这项研究为打造具有物理 AI、能在复杂环境中安全、自适应且直观操作的机器人，提供了一条可扩展的技术路径。申亚京对 DeepTech 表示：“EmArm 可进一步扩展至机器人腿部、躯干等部位，为人形机器人在家庭服务、协作工业、医疗辅助等场景中的安全自适应交互奠定基础。”

近日，相关论文以《面向全臂触觉感知与自适应机器人操作的具身感觉运动整合》（Embodied sensorimotor integration for whole-arm tactile sensing and adaptive robotic manipulation）为题发表在 Nature Sensors[1]。香港科技大学博士后唐一峰是第一作者，申亚京教授担任通讯作者。

图丨相关论文（来源：Nature Sensors）

能跳舞的机器人，为何扶不稳一个杯子？

机器人领域近年发展迅速，我们看到机器人已经可以流畅地跳舞，甚至完成马拉松比赛。但是，这些场景展示的都是机器人的运动能力。要想让机器人具备工作能力，需要它们与环境或人进行主动或被动的接触。

为了让机器人在上述情况下具备智能，其中具有稳定可靠的触觉感知能力是重要的硬件基础，让机器人知道接触发生的时间、地点、对象，否则机器人很有可能会将操作物体夹碎、掉落，甚至伤害人类。

据介绍，这项研究最初是受到生物体结构的灵感启发。实际上，无论是人类还是动物，其驱动、感知都是深度集成的，二者皆有皮肤、骨骼、肌肉等来共同组成一个智能体的硬件基础。

因此，研究团队认为机器人也应该做一体化的集成设计。他们将大面积软光学触觉皮肤深度嵌入刚性机械骨架内部，实现了刚性运动链与软体触觉感知的原生一体化。

更重要的是，在多数情况下，人体的感知和决策也是集成在一起的，但传统的触觉系统往往停留在传感层面，鲜有研究深入讨论一个实际的问题：采集了海量高维触觉数据后，如何实时提取有意义的特征，并将其转化为驱动电机自适应调整的动作指令？

一根手臂的“第六感”：摸得到，更知道该怎么动

申亚京团队长期从事机器人触觉解决方案的研究。2024 年，该团队设计了一种大面积的触觉感知方案[2]。在前期研究的基础上，研究人员在该研究中提出了感知驱动一体化共型设计的方法和相应的算法，为机器人的具身感知运动提供了全新解决思路。

实验数据显示，EmArm 的两点辨别阈（即可以区分两个接触点的最小间距）范围在 18.2 至 21.6 毫米，比人类手臂皮肤的 30 至 50 毫米能力更优。除了两点分辨能力，系统对单个接触点的定位精度同样出色。它的空间分辨率达到亚毫米级，综合定位精度小于 0.1 mm。

图丨触觉感知性能（来源：Nature Sensors）

更值得关注的是，在面临电磁干扰、温湿度变化、光照波动、机械载荷等复杂环境干扰条件下，EmArm 接触力重建的准确率依然能够保持 97.9%。该技术展现出具备实际部署工程系统的潜力，为未来这项技术落地工厂、走进家庭提供了可能性。

该指标的实现，是多种优化设计共同作用的结果。针对平行式光触觉系统，更小的两点分辨能力的关键在于获得更高的标记点密度。

“实际上，这里实现比较高的标记点密度也是团队前期研究奠定的基础，此前我们提出了一种螺旋形标记点排布方法和材料变形的控制方法，这种方式让标记点密度提升了将近两倍，也一度保持了平行式光触觉系统中的最高密度记录。”唐一峰告诉 DeepTech。

在高密度标记点基础上，结合本次研究提出的超分辨重建算法，最终实现了媲美甚至优于人类手臂皮肤的两点分辨能力。

图丨基于触摸的人-机器人交互（来源：Nature Sensors）

此外，研究团队在实验中验证了 EmArm 能识别戳、击、挠、捏、抚五种触摸动作类型时，识别准确率可达 99.8%，还能实时判断人类意图并做出快乐、悲伤、好奇、害羞或生气的表情反馈。

当然，这不代表机器人拥有真正的情感认知。它依靠解析触觉信号区分触摸类型，再触发对应的拟人表情。更有趣的是，当人类用手握住 EmArm 的前臂时，它能感知到“我被温柔地握住了”。这种对社交触摸的理解，是机器人从工具迈向伙伴的关键一步。但这是否意味着机器人真正理解了情绪？

申亚京解释道：“我们对情绪的理解，实际上是通过观察对象的行为、反应等多个维度的特征来判断的。对人类，尤其是婴儿而言，接触是传递情绪的一种最基本的方式，甚至早于听觉和视觉。”

另一方面，由于无法感知意外接触，传统机械臂往往需要与人隔离。EmArm 的 100 毫秒级响应，在经过 2,000 次循环加载后性能无衰减，并具备快速轨迹重规划能力，为未来人与机器人无需隔离协作提供了技术基础。

图丨在不可预测环境下的实时轨迹重规划（来源：Nature Sensors）

在操控任务中，当篮球以偏心状态放置于手臂上时，EmArm 通过全手臂触觉反馈与力控制，自主调整姿态将不稳定物体稳定夹持。更具挑战性的是轨迹重规划实验：当视觉不可见的动态障碍物（如人手）突然出现，EmArm 能立即通过触觉检测紧急停止，判断障碍物的临时性或永久性，并自主重新规划路径绕行，展现了在视觉遮挡、非结构化环境中的智能。

这项研究为基于“接触”的情感交互提供了物理接口，并验证了可行性。从人类角度定义的情绪“理解”，应该综合视觉、接触、声音、场景等多个维度信息，该方向也是该团队在接下来要继续深入研究的问题。

机器人缺的，不是一层皮肤，而是整个身体

触觉是机器人进入人们日常生活的重要能力之一。任何需要物理接触交互的场景的落地，如灵巧操作、人机协作、养老陪伴等，都离不开机器人的触觉能力。从更长远和更本质的视角来看，研究团队认为，具身触觉智能是机器人的标配感官。

假如人类没有触觉感知系统，可能连一个杯子都拿不稳。同样地，只有拥有更好、更稳定的感知驱动能力，机器人才能更好地融入家庭，真正走向千家万户。

研究团队表示，EmArm 所代表的具身感觉运动架构，与当前大热的 RT-2、OpenVLA 等具身智能大模型存在一定程度的互补关系。

现在的机器人系统，无论是硬件还是大模型算法，都还没有完全准备好来迎接真正的具身智能。这项研究试图从硬件和算法两个方面提供解决方案，可直接应用于或融合于目前主流的具身智能大模型。EmArm 产生的高维触觉数据，有望成为未来具身智能大模型的全新感知模态，让 AI 真正“长”在机器人身体里。

该团队认为，未来机器人要想实现真正的具身智能，需要软硬件深度绑定与集成。考虑到目前机器人触觉能力的缺失，该团队目前的工作主要集中在机器人触觉硬件接口及对应的算法策略。

据了解，本次研究是他们在身体大范围触觉感知的成果之一。除此之外，该实验室也在指尖、手掌等部位的触觉感知方面探索研究，并与业界的合作保持积极合作，希望共同加速技术的迭代。“我们希望与领域内的学者和工业伙伴共同努力，攻克机器人各个方面的技术难题，早日实现场景的落地。”申亚京表示。

当前，特斯拉 Optimus、Figure AI、宇树科技等人形机器人产品持续迭代，赛道热度高涨，但多数产品的运动和交互多依赖于视觉，与人类存在显著的区别。涉及到接触和交互的场景，仍缺乏全身触觉能力。EmArm 架构所提倡感知系统和驱动系统应协同设计，以及软硬件深度集成，在一定程度上填补了人形机器人“缺皮肤”的短板。

研究团队认为，未来最大的挑战可能来自机器人的硬件要重新定义，现有的机器人可能需要从底层的重新设计或优化，这需要投入巨大的人力财力。具体到技术路径而言，EmArm 的感知系统会侵占一部分机器人的躯体空间，如何来协调这些空间与电机、线束、电子系统、计算单元之间的关系是必然需要面临的工程问题。

EmArm 证明，只有当感知、特征提取、运动控制被整合为统一架构时，机器人才真正获得身体。这或许正是通往真正物理 AI 的关键一步：让机器在物理世界中，像所有生灵一样，通过自己的身体去理解、适应并塑造现实。

参考资料：

1.Tang, Y., Yin, T., Zhang, T. et al. Embodied sensorimotor integration for whole-arm tactile sensing and adaptive robotic manipulation. Nat. Sens. (2026). https://doi.org/10.1038/s44460-026-00097-1

2. Tang, Y., Li, G., Zhang, T. et al. Digital channel–enabled distributed force decoding via small datasets for hand-centric interactions. Sci. Adv. 11, eadt2641 (2025). DOI:10.1126/sciadv.adt2641

运营/排版：何晨龙

注：封面/首图由 AI 辅助生成（封面图从左至右分别为：申亚京教授、EmArm 机器人、唐一峰博士）