触觉是人形机器人与具身智能的“第二感官”，对机器人精准交互、灵活作业意义重大。
从2017年起，他山科技便专注于在触觉感知技术领域的探索和研发，如今已成为机器人灵巧手以及整个具身智能产业链的重要供应商。
近日，他山科技联合创始人兼CEO马扬在接受中国证券报记者采访时表示，随着触觉感知技术的深化应用，机器人正从“看得见”向“摸得着、懂力度、会适应”进化，这为开拓更多应用场景带来新的可能。比如，其团队已经训练了机器人预处理小龙虾的雏形方案。“等到明年，送上餐桌的小龙虾可能就是机器人预处理的。”马扬说。
从底层芯片做起
马扬认为，机器人若想真正成为人类的得力助手，指尖的触觉闭环能力是不可或缺的一块“拼图”。
2017年，他山科技刚成立之时，市面上还没有一家企业能做出可以放进手端边缘端的触觉感知芯片。他山科技从这颗芯片做起，一做就是四年多。2022年，全球首款人工智能触觉感知专用芯片终于问世。
马扬表示，与视觉器官不同，人类的触觉器官就是皮肤，可以说是最不像器官的器官。“面积大，哪都能产生数据，通路太多，怎么在底层布置芯片，怎么把多个芯片协同起来，都是我们要思考的问题”。
机器人的视觉只需要看，而触觉涉及到与物理世界的实际真实交互，边缘端芯片需要具有高速处理能力，才能够跟上这种连续数据的实时变化，进行实时抓取姿势的控制调整。马扬坦言，得益于早期在传感器模块上做了大量的工作，他山科技走在产业演进相对正确的道路上。
“最早时，我们感觉触觉是一个很大的瓶颈，经过这么多年，我们非常自信，现在触觉感知能力已经做到大概70分。再让机器人去干活，触觉已经不是最大的卡点。”在回答记者关于“机器人手如今有多大程度像人手”的问题时，马扬如是说。
在2025世界机器人大会上，他山科技展示了因时、强脑、灵巧智能、傲意、灵心巧手、睿研、兆威机电、云迹等多个合作伙伴的机器人灵巧手方案。马扬介绍，整个展会上80%—90%的机器人手商、80%以上的机器人厂商，都应用了公司的触觉感知技术赋能其产品端。
业内关注灵巧手如何真正地干活
据马扬观察，去年参展，业界谈到灵巧手，关注的还是有多少自由度。今年，却很少再攀比自由度，而是主要关注如何真正地干活。
马扬认为，灵巧手无需追求过高的自由度，只要能满足场景应用需求即可。自由度越高，模型计算的算力需求越大，机械部分的综合误差可能也越大，干活的成功率反而越低。因此，三指、二指等低自由度夹爪在实际干活中反而更有优势。
“人类在抓东西时，一碰大概就知道它是什么材质，表面是干性、水性还是油性，是热的还是冷的，然后快速判断下一步要怎么做。对现在的机器人来说，在任务的完成度上跟人类类似，但从时间维度上还很难做到跟人类一样快。”马扬坦言，但他同时强调，“这并不妨碍未来1到3年内，具身智能应用于人们的生产生活中。”
马扬介绍，机器人手已经可以胜任一些工业场景的柔性工作，比如线缆线束的插取、零件从塑料膜中的拆取等“精细活”。
他还透露，他山科技今年在农副产业领域合作了一些有趣的应用场景，比如农产品的采摘、小龙虾的预处理。
“大家吃小龙虾，小龙虾80%的部分要进行预处理。我们花了几个月的时间，现在基本已经可以把雏形做出来了。等到明年，送上餐桌的小龙虾，可能就是机器人预处理的。”马扬说。
触觉系统复杂性远超想象
具身智能仍面临模型和数据两大关卡，这是行业共识，也是触觉感知行动技术所面临的困难。
仅就数据而言，马扬表示，现在的数据采集训练场通常有两种模式，但都不甚理想。一种是遥操，由机器人采集，好处是数据可用性好，但成本很高，马扬坦言，“遥操比自己干活还累”；另一种是由人戴着手套来采集，好处是数据采集速度会快一些，但人手跟机器人手很难做到一一映射，采集到的数据通用性比较差。
马扬认为，要把仿真端的数据和实采的数据结合起来。他介绍，他山科技构建了“仿真+实采”协同体系来加速技术迭代。本次世界机器人大会，他山科技发布了触觉模拟仿真平台，90%前期训练可“脱离真实场景完成”，实现降本90%—95%，为机器人触觉技术的快速迭代提供了有力的“数字孪生”引擎。
马扬曾谈到，生物进化中越晚出现的器官越易模拟，越早进化的器官反而越难。而触觉正是生物体在演化初期就具备的基础能力，人类触觉系统的复杂性远超想象。
与视觉训练所需的数据不同，触觉所需的数据必须是连续的数据。一瓶水，拿起、移动、拧开，这一连串动作，机器手如何完成？
他山科技的方法是“见招拆招”，将任务分解训练，最后在模型端整合。马扬解释，这叫作“原子学习”。如果把一个任务类比为“分子”，拆解的每一个具体动作就是“原子”，通过“原子学习”，最后排列组合成不同的“分子”，比每次重新学习一个新任务要快得多。
“在抓取这一项，我们让机器手抓一个物体抓1000遍，就可以做到‘熟能生巧’，就像古文说的‘唯手熟尔’。一步一步拆解下来进行训练，当每一步原子级任务训练完成后，在模型端把它整合起来，形成一个个任务数据包，就可以更好地推动机器人快速运用到人们希望其应用的场景或产业中。”马扬说。
