ICRA 2026释放出一个明确信号：机器人正从“视觉主导”迈入“视触融合”新阶段。
过去十年，深度学习与计算机视觉让机器人拥有了“眼睛”。然而当机械手靠近物体、进入直接接触的微观距离时，视觉范式开始失效——手指遮挡视线，光影持续变换，物体是否滑动、该施加多大力度，这些关键信息仅靠“看”已无法获取。
这段距离很短，可能只有一厘米。但正是这一厘米，成为众多灵巧操作难以落地的瓶颈。
模量科技首席科学家、联合创始人高立波教授受邀参加GAIR LIVE线上圆桌讨论，围绕触觉感知的技术路径与产业前景做了系统分享。以下为本次讨论的核心内容回顾。
触觉为何成为关键？
“触觉是命门”这一说法，高立波教授认为需要更审慎地理解。并非视觉不再重要，而是当机器人从“观察世界”转向“改变世界”时，单纯依赖视觉已经不够。
抓取柔软物体、插入精密零件、拧开瓶盖、捏起细针——这些任务能否成功，关键不在于“看到了什么”，而在于：是否已经接触？接触力是否合适？物体是否滑动或变形？下一步该施加多少力？
这些信息，视觉大多无法捕捉。更关键的是，当视觉终于察觉到失误时，结果往往已经不可逆。
高教授将其概括为：视觉负责“看”和“预判”，触觉负责“校验”和“稳固”。没有反馈的动作，是不可逆的失误。
这意味着，AI的学习空间正在发生迁移——从图像、语言、数学符号的虚拟空间，延伸到接触、摩擦、受力变形的物理反馈中。这不是简单增加一个传感器的问题，而是认知方式的转变。
至于触觉为何在当下受到空前重视，高教授认为三方面条件已经成熟。
其一，柔性材料和微纳加工工艺大幅进步，国产柔性传感器性能已不逊于国外；
其二，大模型对真实物理交互数据的需求急剧增长，触觉成为不可或缺的数据来源；
其三，灵巧手开始进入真实作业场景，传感器必须从实验室指标走向系统级可靠性。
电子皮肤的“物理天花板”在哪里？
谈到电子皮肤的技术挑战，高立波教授坦言，最大难点不在单纯增加像素点，而在于如何让数千个感知单元在复杂机械形变下，依然保持各自性能的独立性与稳定性。
他指出三对核心矛盾。
第一，灵敏度与量程的矛盾。许多结构在低压区极其灵敏，但面对极端压力时容易饱和。
第二，柔性与稳定性的矛盾。电子皮肤需要薄、软、可贴合，但材料越软，蠕变、迟滞、机械疲劳以及对温湿度的敏感性就越突出——相比硅基传感器，柔性器件长期服役保持基线稳定是首要难题。
第三，单点与阵列一致性的矛盾。实验室中单个单元做到高性能并不难，但集成数千个单元时，封装应力、加工误差和基线漂移会被放大到不可忽视的程度。
另一个必须跨越的障碍是串扰（Crosstalk）。电学串扰表现为寄生电容和行列扫描干扰；力学串扰则更为隐蔽——柔软材料受压时应力向周围传递，邻近单元的信号随之波动。仅靠后端算法校正，难以彻底解决。
针对上述挑战，模量科技采取了从材料、电路到算法协同发力的策略。其中一项关键技术是引入特殊的”间隔层”封装结构，确保每个感知单元之间的信号独立性。目前，模量科技已实现每平方厘米近400个集成单元，正向1000个单元的目标推进。
高教授同时强调，行业不应只关注“做了多少个点”，更应关注能否形成真实、连续、可重复的时空压力场。电子皮肤的评价指标正在从单一分辨率，转向高保真度、低串扰以及大规模批量生产的一致性。
触觉数据如何处理？
这是一个容易被忽视、但工程上极为棘手的问题。
触觉信号与视觉信号存在本质区别：触觉数据中包含大量高频瞬态信号——接触瞬间的微小滑移、局部机械冲击或震动，持续时间可能仅几毫秒，但对抓取稳定性和安全控制至关重要。
当大规模柔性阵列中数千个感知单元同时输出高频原始波形并全部传输至CPU时，数据带宽、通信延迟、功耗和计算负载都将面临严峻挑战。
高立波教授提出，合理的架构应当是分层的：皮肤层完成“快速反射”，中央系统完成“高层理解”。具体而言，在传感器端进行初步特征提取——通过轻量化算法判断是否接触、定位接触中心、捕捉异常压力梯度。中央系统接收的不再是原始电压或电阻值，而是接近任务语义的“触觉事件”。这一分层设计将触觉信号从“测量层”提升到了“语义层”。
模量科技正在研发的触觉采集系统即遵循这一思路：同步采集柔性视触觉、织物压力、手部动作等信息，先在局部完成压力与位置特征提取，再将这些特征与视觉、关节运动及本体感知信息共同送入上层模型。
高教授进一步阐述了功能分层的设计理念。指尖及高频操作区承担精密控制任务，需要配置较强的局部计算能力；大面积身体部位以力检测和安全响应为主，侧重低功耗、低精度方案；大脑中枢则负责物体识别、策略生成及跨模态理解。不同部位各司其职，而非一刀切。
“只有当触觉传感器不再输出单纯波形，而是输出机器人可直接调用的状态量和事件信息时，它才真正成为具身智能的一部分。”高教授表示。
产业展望：机遇与挑战并存
展望未来3到5年，高立波教授判断，触觉感知将从“技术验证阶段”进入“场景筛选与规模化验证阶段”。竞争焦点不再局限于灵敏度或分辨率的比拼，而是聚焦于谁能在真实任务中长期稳定运行，并提供可接受的维护与更换成本。
在技术路线方面，他认为不会出现某种方案“大一统”的局面，而是根据应用场景形成技术组合：指尖操作追求高精细度，大面积皮肤侧重安全性，工业装配强调耐用性。光学、压阻、电容、离子电子及MEMS方案将长期共存。
中国的优势在于产业链完整——从材料、模具、柔性电路到整机，叠加丰富的落地场景（3C、物流、新能源、服务机器人），工程迭代速度极快。
但短板同样不容回避。专用芯片方面，目前大多仍采用分立电路板采集，未来需要开发低噪声、多通道专用集成芯片（ASIC）以实现传感器与电路的一体化融合；高端材料与工艺方面，更高稳定性的敏感材料、耐磨耐污染的封装材料以及面向复杂曲面的可靠互联工艺均有待突破；标准化方面，行业目前缺乏统一标准，亟需建立自动化标定体系与寿命预测模型，形成从触觉硬件、数据、模型训练到接口的完整闭环。
关于行业热议的“自研芯片”话题，高教授的态度务实而明确：触觉专用芯片未来一定是方向，但在当前各传感路线尚未收敛、技术迭代极快的阶段，通用芯片和可编程方案具备更高灵活性。只有当应用场景和量级趋于稳定后，专用芯片在功耗、尺寸和实时性上的优势才会真正显现。
写在最后
视觉与触觉在大模型范式下实现深度融合的那一刻，才是机器人与物理世界的距离真正缩短到“最后一厘米”之时。
这“最后一厘米”的突围，正是模量科技持续深耕的方向——从材料创新到算法架构，从单点突破到系统集成，让触觉不再停留在传感器参数表上，而是成为机器人感知物理世界、完成灵巧操作的核心能力。