在『量子杂志』读了篇文章，感觉颠覆了我的一个认知：目前主流的具身智能基础模型竟然无一引入触觉传感。

那机器人怎么完成抓取、操控工具等需要触觉辅助的工作呢？

答案是推理。

比如 2009 年诞生的 GelSight 传感器，在透明的弹性凝胶表面涂了一层反光膜。当物体压上时，反光膜会随之变形，贴合物体的轮廓。

此时，彩色 LED 从不同角度照亮表面，摄像头捕捉由此产生的阴影图案，光度立体算法再以亚毫米级的分辨率，重建出接触面的三维拓扑图。

就这样，传感器“看到了”触觉，成为了整个具身智能行业重要的转折点。

而最新的机器人则会引入本体感觉（即机器人对自己关节位置和受力状态的感知），让机器人将看到的画面与肢体实际所处的位置连成闭环，实现更为精确的推理，让机器人计算出在用“手”的任务中需要使多大的劲。

但问题是，在机器人用“手”接触任何物理界面的一瞬间，也会收到一个反作用力，但这个反作用力是没有办法被精准传输回机器人的。

举个例子，你去剥橘子，因为橘子皮的贴合程度不同，你感受到的摩擦力自然不同，所以需要不断调整自己剥橘子的指尖力量。

如果失去了这个反作用力的反馈，那机器人就很难进行精细化的操作 —— 毕竟这个世界大部分的任务都是非标准化的。

据说现在确实有一些具身智能公司优化了机器人指尖的传感器（这可能是各家公司的机密，作者无法得知），但更多时候，他们现在在处理手部任务上的进步，还是依赖于视觉能力的突飞猛进。

比如在这方面做得比较好的机器人公司 Physical Intelligence，他们就认为“如果人类不断发现视觉已经够用，能持续攻克越来越难的任务，那么实现实用的机器人操作，就会变成一个单纯的数据收集问题，而不再是技术发明问题。”

归根结底，人类的手实在过于强大。人类手掌大约有 1.5 万个感受器，它们对不同的压力、频率和形变极其敏感，指尖能分辨出相距仅几毫米的两个触点。

而且，手在大脑的感觉映射图中占据了极其不成比例的巨大区域。

当然触觉问题也不是完全不能被攻克，但具身智能行业认为这大约需要 5 到 10 年的科研时间。

至少在这个期间内，那些依赖于手部灵活性的工作可能暂时还不太会被取代。