当机器人从“看见”走向“摸到”，触觉成为必答题

中经记者 吴静 卢志坤 北京报道

在2026世界机器人大会（WRC）上，具身智能企业帕西尼一口气发布了四款新品，分别为全球首个足底多维触觉传感器PX-FOOTRIX、全新一代五指数据采集手套PXCap Pro，以及搭载全球首款自研原生6D触觉感知芯片GEN4 FUSE的第四代ITPU多维触觉传感器系列PX6AX GEN4。

从底层芯片到传感器，从数据采集设备到足底感知，几款产品指向同一条技术路径：把原本主要集中在机器人手部末端的触觉能力，进一步延展至手掌、夹爪、身体表面和足底等部位。这家累计融资近40亿元的具身智能赛道头部企业，正在搭建一套覆盖机器人“全身”的感知网络。

在展台之外，帕西尼创始人兼CEO许晋诚在接受《中国经营报》在内的媒体记者采访时，将这套布局背后的逻辑讲得更透彻——触觉不是让机器人“感觉更好”，而是让它“能干活”。

从“看见”到“摸到”

过去几年，具身智能的主流叙事是“大模型+视觉”——只要让机器人“看见”世界，它就能理解并操作世界。但在真实的工业制造、汽车装配、物流分拣场景中，这套逻辑正在失效。

原因在于一个根本性的认知修正：物理世界的交互，无法只靠视觉完成。抓取一个容易变形的纸盒、在毫米级间隙中完成精准插装、在复杂路况下平稳跨步——这些任务不仅需要机器人“看见”物体在哪里，还需要它“摸到”物体的材质、受力、滑移状态。

这正是2026世界机器人大会将主题定为“人机共生，产需共融”的深层含义。“共融”二字的潜台词是：行业已经意识到，此前很多在展示环境下表现出色的机器人，进入真实工况后动作不精准、不稳定的问题，根源在于缺乏物理感知的“精准锚定”。

触觉的本质价值正在于此——它为机器人的大模型提供实时、高频的物理接触数据（Ground Truth），让机器人从“任务推理”走向“精准控制”。大模型负责“推理决策”，视觉解决了“看清环境”的问题，触觉数据则解决了“精准力控”的问题。没有触觉这层物理数据，大模型在接触现实世界时就无法完成精准控制。

机器人拥有了触觉之后，到底多了什么？

许晋诚在WRC期间接受记者采访时，分享了一个实验案例：瑞典某大学的一个触觉试验中，让受试者划火柴，从火柴盒里取出，在砂纸上划燃。正常状态下10秒以内完成；但将受试者双手麻醉后，同样的任务花了一两分钟。“为什么一个简单的动作要这么久？因为他丧失了触觉感知能力。”

这个案例指向一个容易被忽视的结论：没有触觉，机器人就无法完成物理世界的精细操作。“大部分机器人都需要触觉能力，因为涉及物理操作的场景基本离不开触觉。”许晋诚说。

基于这一判断，帕西尼在本届WRC上展示了以底层芯片为基座、覆盖全身的完整触觉感知矩阵。

在最底层，帕西尼搭载了全新一代自研原生 6D 触觉感知芯片 GEN4 FUSE；在传感器的形态覆盖上，推出了第四代 ITPU 多维触觉传感器系列 PX6AX GEN4，围绕指尖、指腹、掌心、夹爪及电子皮肤等形态进行拓展。以及全球首个足底多维触觉传感器 PX-FOOTRIX，将触觉传感能力真正延展至机器人全身。据透露，公司自研触觉感知芯片近一年出货量已接近 100 万颗，预计下一年度末将超过 500 万颗。

数据，通往物理世界的门票

要让机器人“摸到”世界，首先要有足够多的“摸”的数据。

许晋诚认为，真机数据不可替代。“仿真环境很难构建出与真实数据同等级别的材质特性和噪声特征。想要构建完全仿真的世界，其造价甚至可能比实际采集真实数据更高。”

不过，真实数据与仿真数据并非替代关系。仿真能够降低试错成本，扩大训练规模；真实数据则用于校准物理参数、验证系统效果和修正现实偏差。两者结合也是目前主流的技术路径。

真机数据采集也面临一致性和稳定性挑战。“连续采集的一致性、稳定性非常难驾驭。”许晋诚说，一旦数据在采集途中发生漂移，过去采集的那段数据就可能作废。正因如此，帕西尼选择了自研整套采集系统——从传感器到采集协议全部自研，实现连续8小时采集不产生漂移。

目前，帕西尼已在天津、宿迁、武汉、自贡等地布局建成百亿级实采数据产能与超级数采工厂集群，形成全模态具身数据采集网络，持续构建具身数据的规模化生产与供给能力，为模型训练、场景应用及产业规模化落地夯实数据基础。而据许晋诚透露，帕西尼正在向下一个目标迈进——积累1000万小时的真实物理交互数据。

为什么是这个量级？他做了一个对比：“人类数千年来积累的文本数据，才构成了今天语言模型的基础。现实世界的物理交互数据远没有这样的体量。”他判断，千万小时级别的数据，可能是支撑机器人实现跨场景泛化能力的关键量级。

数据量大只是基础，数据的质量与丰富度同样关键。

记者了解到，目前行业内数据采集有头环、遥操、动捕等多种路径。许晋诚认为，这些方式都在解决同一个问题，即如何将人类的动作和智慧凝结为数字数据。而最优方案一定是多模态的——视觉、动作、触觉，多种感知叠加。“越多模态、精度越高、精度越高、一致性越高的数据，就越能帮助机器人整体能力提升。”

这一判断也体现在帕西尼的产品布局中。本届WRC上，帕西尼发布的全新一代五指数据采集手套PXCap Pro，正是通过“触觉感知力、视觉记录态、编码器定姿态”三位一体协同，将人类手部示范转化为标准化的物理真值数据，可同步采集触觉、视觉和手部关节位姿数据，并映射至不同构型的本体。实现了“一次采集、多机复用”。

但数据采集也面临新的瓶颈——算力。“数据越多，需要消耗的算力就越大。我们现在公司内部都在抢算力，市场上能获取的算力资源也远远跟不上需求。”许晋诚坦言，尤其在国内，算力的紧缺程度更高。这也解释了为什么帕西尼坚持全模态数据战略——“在算力有限的情况下，不可能用单一模态数据慢慢提升模型能力”。

在WRC期间，对于备受关注的“机器人何时进家庭”的话题，许晋诚给出了务实的判断。

他认为，家庭场景最大的挑战在于评价机制不统一，每个家庭对于家务的标准是不一样的。相比之下，工厂的评价机制是固化的。所以工厂会比家庭更快落地。现在更需要做的是在评价机制固化的场景里先行进入，把能力提升之后再走向家庭。

至于行业何时迎来“ChatGPT时刻”，许晋诚判断这取决于数据积累的进度，而非一个固定的时间点。帕西尼计划在下一个年度积累到1000万小时的数据，并内化为模型能力。“我相信在明年一整年消化完数据之后，大家可以陆续看到更多机器人在各类场景里跑来跑去。”

许晋诚强调，具身智能正在从“看得见”走向“摸得着” 。而“摸得着”的前提，是一套从芯片到数据、从感知到执行的完整技术闭环。当具身智能迎战真实工业与服务场景的严苛考验，触觉，正在成为那个决定谁能真正落地的关键变量。

（编辑：卢志坤 审核：童海华 校对：翟军）