财π新闻 自2026年7月以来，具身智能触觉赛道的资本热度持续攀升，公开可查的融资事件数量至少达到8起，累计融资金额已经超过25亿元。这一轮集中的资本投入直接推动赛道内成长出帕西尼和一目科技两家估值达到百亿级别的独角兽企业，两家企业最新的融资金额水平已经和行业内本体企业的融资规模相当，均获得了10亿元级别的投资，在整个具身智能产业的资本版图中占据了重要位置。

在产业端，触觉能力已经成为机器人掌握实际操作技能的核心必备条件，行业内多家触觉赛道企业以及相关机构公开发布的演示视频显示，搭载触觉相关技术的机器人已经能够完成多种此前难以实现的精细操作。触觉系统可以为机器人提供接触压力、受力分布、摩擦与滑移趋势等关键的交互信号，这些信号能够支撑机器人在实际操作过程中动态调整抓取点位置、夹持力度以及后续的动作策略，大幅提升各类精细任务的完成成功率。

传统机器人的操作高度依赖腕部摄像头拍摄到的视觉画面，当夹爪伸入包袋等视觉无法覆盖的场景时，摄像头无法捕捉到全局画面，很容易导致任务失败。而搭载触觉能力的机器人，在夹爪和物品发生接触的瞬间就能获取到视觉无法提供的交互信息，以此做出准确判断调整动作路径，顺利从包中取出目标物品，大幅提升这类场景下的任务成功概率。除此之外，触觉能力还能支撑机器人完成更多高难度的精细操作，比如盲摸麻将、耳机精准入盒等，其中耳机精准放入充电盒的任务要求机器人以近零点几毫米的公差将耳机塞入狭小的充电盒空间，传统依赖视觉的机器人在夹取过程中一旦耳机位置发生偏移，或者摄像头被相关部件遮挡，就很难完成后续的精准放置动作，触觉信号此时就能为机器人判断夹取状态、滑动状态提供关键的信息补充，保障操作顺利完成。

目前触觉赛道已经发展出多种成熟的技术路线和落地方案，不同路线基于不同的技术原理，各自具备对应的适用场景和性能优势。压阻式、电容式和霍尔效应式是行业内应用时间较长的传统主流技术路线，这类路线经过长期的产业打磨，已经形成了相对完善的落地体系，在不少工业场景中已经实现规模化应用。视触觉传感器是近两年颇受行业关注的新兴技术方向，这类方案通过摄像头捕捉受力软胶的形变状态，再通过视觉算法重建出接触面的三维形变和受力分布数据，相比传统路线，视触觉传感器具备空间分辨率高和抗干扰能力强的显著优势，能够弥补传统压阻式、电容式路线在精度、电磁干扰等方面存在的性能局限，适配更多对感知精度要求较高的复杂场景。除此之外，还有部分企业探索出了轻量化的技术路径，通过物理法则和先验知识从已有的人类操作视频中估算提取触觉信息，这种方式可以省去大量硬件采集的相关成本，为中小规模的研发团队提供了更低门槛的触觉数据获取渠道。

尽管技术路线已经呈现多元发展的态势，整个触觉赛道目前仍然面临着多个核心门槛的制约，其中触觉数据层面的挑战最为突出，具体表现为高质量数据规模小、采集成本高和多样性不足三个方面。当前全行业积累的高质量触觉数据规模仅处于万小时级，远无法满足大模型训练的海量数据需求。而基于触觉手套或UMI设备的整套数据采集方案，单套成本就需要数万元至十几万元，高昂的硬件成本直接限制了触觉数据采集的规模化扩张速度。同时，通过触觉手套采集的相当一部分数据来自于标准化的数据采集工厂，对应的背景环境和执行任务都较为单一，虽然数据本身的准确性能够得到保障，但整体多样性不足，很难覆盖真实物理世界中复杂多变的各类交互场景，进一步制约了基于这类数据训练出的模型的泛化能力。

除了数据层面的门槛，触觉训练范式也正面临着行业性的挑战。不少研发团队在初期尝试将触觉信号直接拼接到已经完成预训练的VLA模型中，这种简单的拼接操作并没有实现预期的性能提升，反而直接导致了机器人相关任务的成功率出现明显下降。经过大量的行业实践验证，目前行业内公认的合理训练方法是先将原有VLA模型的基础能力训练到足够好的水平，再将触觉信息进行规范化处理之后，有序纳入到后续的模型训练流程当中，通过循序渐进的融合方式，让模型逐步适应触觉信号的特征逻辑，最终实现整体任务能力的提升。

在模型训练的过程中，引入触觉信息也直接带来了训练成本的显著上升。当前行业内的世界模型主要分为显式和隐式两大发展路径，其中显式路径下，达到50万小时数据规模的研发成本就处于数千万元至亿元的区间，高昂的成本让不少研发主体望而却步。而隐式路径则探索出了一条降本的可行方向，通过将关键信息压缩至表征空间的技术方式，可以在一定程度上降低整体的研发成本，为更多团队参与触觉相关的模型研发提供了可能性。整个具身智能触觉赛道正沿着资本涌入、技术多元探索、瓶颈逐步突破的路径持续向前推进，各类技术方案在实际落地过程中不断迭代优化，逐步补齐机器人在物理交互层面的感知短板，为机器人真正具备适配各类复杂场景的精细操作能力筑牢底层技术基础。

(编辑：胡忠华)