机器人插接零件时在边缘反复摩擦却难以入位，拿捏塑料瓶时用力失衡致瓶身凹陷——工业场景中，具身智能机器人“翻车”屡见不鲜。症结在于，机器人和物理世界交互不能只靠视觉感知，触觉等多模态信息同样举足轻重。
让机器人从“看见”世界迈向“触摸”世界，触觉感知正孕育出增长迅猛的细分赛道。据不完全统计，今年前7个月该领域新增融资超70亿元，至少两家企业跻身新晋独角兽。
证券时报记者采访了解到，将触觉信息融入具身智能大模型以提升机器人柔性操作能力，已成为业内主流探索方向之一。依托视触融合等技术成果，机器人工业柔性操作已诞生应用测试场景，规模化量产有望上线。但因触觉数据具有不可替代性，数据缺口仍是阻碍机器人规模化落地的核心瓶颈之一。业内呼吁，在强化多模态数据真实采集的同时，进一步完善数据仿真等技术路线；触觉传感器等核心零部件则需在耐用性、数据一致性等方面精益求精。
触觉感知硬件出货量大增
补齐触觉这块短板，是具身智能产业步入成熟阶段的必经之路。早在2023年，工业和信息化部发布的《人形机器人创新发展指导意见》就提出，聚焦人形机器人专用传感器，突破视、听、力、嗅等高精度传感关键技术，提升环境综合感知能力。
2025年前后，业内重在深耕VLA（视觉—语言—动作）模型，机器人靠视觉和语言完成环境感知及动作决策。但这一技术路线的短板也显而易见，例如，机器人看不见被肢体遮挡的部分，光线折射等导致定位偏差，易碎物或柔性操作仍离不开力度把控等。2025年末至2026年初，头部企业的研发资源向触觉倾斜，行业共识逐渐形成：仅靠视觉无法完成复杂作业，机器人需从“看得见”升级为“摸得到、做得好”。
千觉机器人创始人、上海交通大学副教授马道林在接受证券时报记者采访时表示，去年，全行业重在迭代VLA模型，让机器人明白“要做什么”的问题。去年底到今年初，业内聚焦于让机器人跳出样机演示（Demo），到真实场景中干活，这就要求触觉深度参与决策过程。在模型侧，业内对适用于富接触任务的VTLA（视觉—触觉—语言—动作）模型需求日益高涨。
“重复性、低精度的机器人作业无需触觉加持；但所有高精度、柔性交互的工业操作，触觉是刚需。这一行业共识，也让高精度触觉传感器的需求节节攀升。”马道林向记者透露，过去几年公司订单体量有限，但随着今年行业需求重心从“基础感知”转向“精准作业”，高精度触觉传感器日益受到青睐，公司订单量迎来爆发式增长，目前传感器付费客户超过300家。
同样出货量大增的，还有他山科技。他山科技研发副总裁侯广东在接受证券时报记者采访时表示，将触觉信息融入具身大模型已成为行业共识，而VTLA是探索最多、相对成熟的方案，带动了触觉感知硬件的增长。公司今年上半年出货量较去年全年实现翻倍，订单量超去年全年4倍，且预计下半年出货量将高于上半年。
赋予机器人精细“手感”
汽车总装产线上，车灯装配对精细化要求极高——结构复杂、装配间隙极小，不同车型、批次及现场工况均存在细微差异，机器人难以胜任。根源在于触觉感知的缺失，机器人无法像熟练技工那样根据细微变化调整动作。
这一难题正被破解。近期，复旦大学联合上海新智具身智能科技有限公司，公布了面向汽车车灯精密装配的“视觉与触觉融合的具身智能系统”。该系统让机器人能像人类一样装配零件——眼睛先定位，手指再凭触觉判断拧紧状态，从而具备精细化操作能力。
“通过自主研发的视触觉传感器和视触融合具身智能模型，机器人可以精准判断对准状态、插接是否到位、旋拧是否稳定，并在操作过程中实时修正动作轨迹。”复旦大学可信具身智能研究院助理教授叶子逸在接受证券时报记者采访时表示，依托这套技术成果，鑫蕴科技等汽车产业链企业已部署面向产线的测试场景。随着整体装配工艺优化、生产成本进一步降低，预计今年年底可实现规模化量产上线。
视触融合，让机器人能像熟练技工一样贴合对准、插接到位、稳定旋拧，真正实现“进厂打工”。而支撑机器人完成柔性工业操作的，是触觉传感器等关键零部件及背后的“隐形冠军”企业。
“我们不久前发布的首款动态触觉感知芯片绿宝石E10A，让机器人具备‘高速接近唤醒’能力，在碰撞发生前即可完成检测和预响应。”侯广东称，当下行业主流的数据体系、模型训练，都没有充分释放触觉的价值，这正是机器人物理交互能力的天花板所在。下半年公司将重点推广和迭代触觉感知指套，帮助合作伙伴建立基于触觉的专用数据采集与独立模型训练范式。
马道林告诉记者，未来公司将继续围绕“触觉原生”和“物理智能”两大关键词，深耕硬件、数据、模型等产品。例如，在硬件上，继续迭代多模态触觉传感器和视触觉数据采集设备，夯实数据与感知底座；在模型上，不断升级VTLA具身触觉模型和视触觉多模态具身数据集，助力机器人向真实产业任务落地。
触觉数据缺口难题待解
数据缺口是阻碍机器人规模化落地的核心瓶颈之一。在此背景下，触觉数据的稀缺性更是不言而喻。国联民生证券研报显示，当前具身智能数据缺口高达20倍，而触觉数据提供关于形变、受力和接触动态的反馈，是其他模态数据无法替代的。
傲意科技副总裁张琦在接受证券时报记者采访时表示，触觉已成为机器人灵巧手上必不可少的多模态信号输入端。只有触觉、视觉及第三方视角数据等多模态数据传入，才能让机器人实现泛化。正是基于这一判断，傲意科技今年推出gForce Ultra肌电腕带，将自研灵巧手与数据采集端深度结合。通过肌电腕带精准捕捉人类操作时的发力与微调数据，灵巧手得以在真实数据的指导下不断优化动作模型，进而胜任多样化复杂任务。
触觉数据的引入，能显著降低模型训练成本，提升以接触为关键环节的操作任务成功率。不过，同其他模态的数据集一样，触觉数据采集并非易事。
“真实数据采集效率偏低，且成本较高；仿真数据采集成本低，但往往同真实物理场景存在偏差。用仿真数据训练的模型，在落地真实场景时，成功率会明显下降。”侯广东表示，目前触觉数据仿真技术仍未进入成熟阶段，存在诸多技术难点。业内主流方向是通过算法融合多模态数据，弥补单一数据来源的短板，提升模型落地效果。
国家地方共建人形机器人创新中心首席科学家江磊在接受证券时报记者采访时表示，当前，真实数据采集在很大程度上仍具有不可替代性，这也是具身智能实训场的重要作用之一。单纯依靠仿真系统复刻完整物理规律，有赖于较高的技术和团队门槛，并不适合绝大多数中小企业。江磊建议，中小企业应优先布局真实视触等多模态数据采集；未来，随着真实、仿真两条路线贯通融合，数据集丰富度将大大提升。
至于触觉传感器等核心零部件，上下游普遍对耐用性、数据一致性等方面提出了更高要求。
马道林对记者表示，复杂环境适配能力将成为重要的产品迭代方向。例如，随着机器人在洗衣、餐厨、湿式装配等场景落地，高防水等级的触觉传感器将成为标配。此外，数据一致性体系是行业长期发展的基石。若传感器数据一致性不足，不同批次、不同时间段采集的数据无法通用，会直接导致模型训练断层、迭代失效，严重制约行业发展。据悉，千觉机器人将参与触觉传感器行业国家标准的制定工作。
