机器人触觉的爆发前夜：五大技术路线、数据困局与模型之争

你敢让机器人给你按摩吗？在今年的WAIC上，我们体验了一把之后，发现居然还挺舒服的。而这台按摩的机器人，很大的不同在于，它搭载了触觉传感器。

你可能会疑惑，一些没有触觉的机器人，不是在很多任务上的成功率都很高了吗？但业内人士指出，成功率高，并不等于可用性强。

触觉到底是什么呢？它听起来是一种感觉，但我们把它拆开看，会发现它包含两种不同维度的信息：一类是对“力”本身的感知，另一类是对“形态学”的感知。

而且，即使是同一个部位，未来也有机会融合多种技术，但前提是技术足够成熟。

所以完整的触觉方案，不是只选一种技术路线就完事了。

首先是材料，有三大要求：

第一是特别软，业内称为“杨氏模量”低，这样才能通过细致的形变，精确反映物体硬度和力度；

第二得耐磨，不然日常执行任务久了，就会出现性能漂移或者破损；

第三要尽量薄，才能尽可能缩小整个传感器尺寸，扩大应用场景。

接下来，我们到材料实验室看看新材料的研发过程。

而在结构方面，手指肯定是越小越灵活，这就要求触觉传感器也尽可能做得小。

在结构上，照明层的光路设计也是一大难点。因为手指的形态不是完全平面的结构，左右两边有些弯曲的弧度，这就需要精细设置照明灯珠的排布，保证不同位置照明的一致性。

另外，照明的灯珠，在市场上有两种方案，一种是单色，另一种是多色，之所以这么做的原因，就要说到第三点：算法。

光学式具体是怎么识别触觉的呢？主要有三种方式。

第二种是纹理分析法。皮肤表面不再需要规则的点阵，而是随机喷涂的细小颗粒，或者利用材料本身自带的不规则纹理。受力时，摄像头通过追踪光影纹理的流动来计算形变。它的优点在于硬件制造简单，因为不需要做标记点了。

前面两种算法主要关心的是亮度、对比度这些信息，所以用单色照明方案就够了，而第三种光度立体法，就必须用多色光了。

而且不光是制造本身，后续的算法、算力要求也更高。

当然，高成本也对应着高上限，在实验室里，我们也看到了直观的对比。

不过业内人士认为，现阶段更应该优先考虑的不是成本，而是验证路径的可行性。所以接下来，我们先来说说应用路上的第一道障碍，也就是数据采集。

我们再来做个简单的小实验哈，我们戴上这个很厚的手套，然后试图拿起一块豆腐，真的很难掌控力度，要么就是它会滑下去，要么可能稍微一用力，它就破了。

所以最大的问题就是：要采集触觉，就得先屏蔽触觉，但是屏蔽触觉后，又难以采集触觉。而且采集设备本身也比较复杂，一定程度上，也会影响采集员的操作。

另一方面，行业需要设计出更舒适、更符合人体工学的采集设备，而这需要的多学科领域交叉。

行业里也有一些对采集员影响较小的织物采集手套，但这就牵扯到第二个问题：数据密度不够。

设备不够成熟，就采不到高质量数据，然后训练不出好模型，就没人愿意投资这个领域，这将是一个恶性循环。

仿真是在虚拟的环境中，模拟真实场景，可以同时、批量采集不同的数据。到了这一步，就不得不说到大家比较熟悉的英伟达了，这条是老黄重点押注的路线，他们为此也搭建了非常完善的框架Isaac Lab。