对话一目科技：机器人还缺失的「手感」，我们用「光」来搞定丨多样性公司
内容提要
爱范儿专访一目科技创始人李智强。该公司专注具身智能光触觉感知，推出全球最薄可量产仿生触觉传感器SENTRA T0，厚度不足3毫米，具备24万点分辨率、5mN力感知和8ms响应。李智强认为触觉是机器人接触物理世界的关键，视觉无法替代，光触觉最接近人类触觉。触觉数据采集与标准化仍是行业瓶颈，需开源协作推动。
延伸解读
触觉为何是机器人「手感」的关键
文章指出，视觉虽强但存在延迟和遮挡，触觉响应更快，是操作中形成小闭环的核心。人类抓握玻璃杯时，触觉感知需在10-20ms内完成，而视觉决策需上百毫秒，无法满足实时纠错。因此，机器人若仅靠视觉，容易捏碎、打滑或装歪。触觉不仅是视觉的补充，更是接触物理世界、实现精细操作的必要信号。
光触觉路线的仿生优势
一目科技选择用光探测形变，而非直接拍照。其原理是柔性材料接触物体产生形变，通过光学芯片高分辨率地捕捉形貌、力学和温度信息，与人类皮肤机制最接近。相比压阻或电容方案仅能布置10-100个感知点，光触觉在指尖面积实现24万点，力感知精度达5mN，且能感知侧向摩擦力，这是稳定抓握的关键。
商用化挑战与「不可能三角」
触觉传感器面临柔软度、回弹性和耐用性的矛盾。一目科技通过自研硅基高分子材料，从分子层面设计长链和官能团，使杨氏模量接近人皮肤，同时提升耐用性。商用还要求寿命、一致性、量产良率，至少10万套级别。实验室可用只需单次成功，而商用需平均性能达标，这是光触觉传感器量产难的主因。
数据与标准化：行业瓶颈
触觉数据采集成本高，且传感器会干扰人手触感，导致数据失真。文章认为，触觉学习更依赖后训练和真机强化学习，预训练作用有限。同时，触觉缺乏统一数据格式，一目科技正推动开源项目OpenTouch和TouchNet，建立采集、标注、存储和评测标准，以跨品牌协作推动行业标准化。
Q&A
一目科技为什么选择用光来测量触觉，而不是压阻或压电方案？
一目科技认为光触觉的工作机理最接近人类触觉：人的皮肤是柔性材质，接触物体后产生形变，皮下受体感知信号。光触觉同样基于柔性材质形变，用光探测形变，与真实物理世界直接接触。光本身分辨率高、稳定性好，且已有成熟低成本的光学芯片和器件。性能上，光触觉方案在指尖大小面积可布置24万个点，力感知精度达5mN，还能感知侧向摩擦力，这些是其他方案难以做到的。
机器人没有触觉会带来哪些具体问题？
最典型的是“看得见、干不成”——机器人能认出物体，但一伸手就出问题：要么捏碎，要么打滑，要么装歪。没有触觉反馈，VLA等模型的泛化性和成功率很低，实际执行可能只有五六成成功率。具体需要触觉的三类任务：一是视觉有欺骗性的物体（如真假核桃），二是柔性物体（如汽车胶条），三是需要微妙手感的精细操作（如用特定角度开锁）。
一目科技的SENTRA T0触觉传感器有哪些关键性能参数？
SENTRA T0是全球最薄可量产的仿生视触觉传感器，厚度不足3毫米，具备24万点检测分辨率、5mN三维力分辨率和最快8ms响应速度，可实现微米级深度感知。
触觉传感器从实验室到商用需要跨越哪些鸿沟？
实验室可用追求单次高光，不追求复用，对耐用性、一致性要求低，手搓一个即可发论文。商用则追求平均最低门槛，要求寿命、稳定性、一致性达标，且需要10万套以上的量产规模。鸿沟包括寿命、稳定性、一致性、长期使用下的漂移控制，以及大规模量产中不同批次的差异控制。
一目科技如何解决触觉数据采集时传感器阻隔人类触觉导致数据失真的问题？
目前没有最优解，但有几条改进路径：一是让采集传感器更柔性、更轻薄、更接近人类皮肤，减少对人类触觉的阻断；二是只通过指尖覆盖触觉传感器，人手轨迹用肌电信号、异构视觉传感器等其他模式捕捉。此外，触觉数据可更多用于后训练和真机强化学习，仿真数据也能补充，因为触觉预训练的作用未必最大。
触觉数据目前有统一标准吗？一目科技在推动标准化方面做了什么？
触觉目前还缺类似“Type-C”的统一接口标准，硬件收敛晚，行业标准化缺失。一目科技希望以开放而非权威的方式推动，下阶段工作是在OpenTouch系统中建立TouchNet开源触觉数据集项目，把触觉数据采集、标注、存储、评测和使用的统一标准建立起来，让行业在开源数据集上找到归一的方法，逐渐形成行业标准。
一目科技认为机器人的“iPhone时刻”会由什么事件定义？
iPhone时刻不是卖了多少台或系统多成熟，而是有人第一次使用时感叹“对了！就是这个！”。具身智能的类似时刻肯定是一个令人“Wow”的产品，完成度非常高，从硬件到软件不需要调校和用户适应，并且能体现人文关怀和温柔交互，而不只是一个工业半成品或工具。
