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

当我们想喝可乐的时候，在极长的时间都只有两个选择：百事可乐和可口可乐。当我们选择手机的时候，有 90%的概率在苹果和华米 OV 等品牌里辗转。当我们买运动服饰的时候，第一时间想到的，大概率是 Nike、Adidas。

但世界之所以缤纷多彩，是因为在这些巨头之外，有一些不遵从传统，力求创造不同，注重设计和功能，着眼于明日的公司存在。

它们有着非主流的商业模式，设计、技术与产品能提供独特的用户价值，和足够的社交谈资。重点是，它们没有大公司的包袱，敢于不顾一切的进步。它们，是「多样性公司」。

多样性，是开放世界的关键。爱范儿相信，只有真正关注和理解多样性公司才能比更多人更早地看见未来。在同名栏目中，爱范儿将以专访的形式，与你一同见证这些多样性公司，如何重塑未来，定义新常态。

本文为「多样性公司」栏目的第 14 篇。

1983 年，威廉·吉布森用一个比喻撕开真实世界与虚拟世界的藩篱，他在《神经浪游者》的开头写道「港口上空的天色犹如空白电视屏幕」，而今天，我们正在用触觉传感器做同样的事——让虚拟世界直接伸手触摸真实世界。

一目科技是一家专注于具身智能触觉感知的硬科技企业，贯通感知、操作与部署，让机器人拥有可开发的灵巧操作能力，在真实世界可靠运行、持续进化。他们推出的视光学超薄仿生触觉传感器 SENTRA T0 厚度已迭代至 3 毫米以下，是全球最薄可量产的仿生视触觉传感器，破解了灵巧手「装不下」的行业难题。

我们和一目科技创始人 & CEO 李智强博士聊了聊为什么机器人需要触觉感知能力，触觉能力为什么如此重要，获得它为什么这么难，以及一目科技是怎么用「光」来搞定机器人触觉的。

▲ 一目科技创始人 & CEO 李智强博士

智驾永远不希望有接触，但做机器人的价值在于接触这个世界

Q1：为什么给公司取名「一目科技」，这个名字听起来和视觉更近，而不是触觉？

A： 所有生命智能的开始，都是源于感知，然后再有小脑和大脑。生命智能起源于 5.25 亿年前的寒武纪大爆发，其中很重要的起点，就是三叶虫长了第一只「眼睛」，或者说是「眼睛」也不那么精确，可以说是开始有了感光的细胞和感光的器官。

我们最底层的事儿，就是把「光」给芯片化，应用在 AI 领域，推动 AI 的发展。

从寒武纪大爆发，到人工智能的拐点， 一目科技希望成为 AGI 的第一只眼睛。

Q2：一目科技最开始成立的时候，其实主要是做「微光谱感知」，现在的重心转向了机器人触觉和具身智能的执行。看起来其中的跨度还是挺大的，那么其中有没有一条技术主线，或者底层逻辑主线？

A： 表面看上去跨度挺大，但我们自己看来，技术底座是连续的，不是跳跃式的。

一目科技开始起步的时候，所有的能力都是围绕着「光」，把「光」的一些技术做成芯片，光芯片和 AI 结合应用在不同的领域，这个和我之前博士期间的课题是有强相关性的。当时我在卡内基梅隆大学的博士课题就是做一颗光芯片，应用在环境监测和分子分析等领域，结合了一些 AI 算法和模型，形成了我们技术认知的起点。

2015 年创立一目科技之后的第一个应用场景是做分子光谱仪，把光芯片用在光谱分析这个领域。

光这个技术呢，回过头来看，确实是一个非常非常性感的技术，可以应用在很多领域，用在通讯上，就是光模块；用在计算上，就是光计算。

我们用光来检测形变，用形变来反算受力、反馈，后来延伸到机器人触觉能力，切入到了光触觉领域。可以看到我们底层的基座能力是延续的，七八成是一致的，但是在中间要补强 AI 强相关的能力，还要对材料学有更多的研究。

Q3：目前处在行业早期的具身行业在技术上远远没有收敛，从车企智驾行业过来的创业者可能会沿用 VLA 或者世界模型的技术路线，做过智能家居的创业者会看重机器人本身的硬件架构，一目科技的出发点是传感器，感知和后续推理和执行，为什么一目科技会相信「从感知开始」会是一条更接近 Physical AI 本质的路径？

A： 这是个好问题，首先我们要思考下Physical AI 的本质到底是什么，其实就是跟人类一样的「手感」。

不是让机器人在屏幕里更像人，是让它在真实世界里像人一样把手伸出去、把活干成。评判标准变了——不是「答得对不对」，是「抓不抓得住」。

按这个标准去看：类人不是某一项类人，是所有模态都得类人。

机器人的视觉已经很接近人了，摄像头加大模型，认东西比人还快；语言更不用说了。而触觉恰恰是最原始的那个模态——人还没睁眼就会摸了，可对机器来说它才刚起步。所以机器人看得见这个杯子，却不知道用了多大力、会不会滑。

所以你也能理解，为什么行业里有不同路线。智驾背景的人天然想到 VLA 和世界模型，做硬件的天然先想本体架构。不是谁对谁错，是大家习惯从自己熟悉的经验出发。

那对于我们来说，我们的第一条产品线源自我们之前就在做的光和感知，这是自己的延续性。

另外，我们也从第一性原理思考过具身智能本身的卡点和问题，我一直认为，它和传统 AI 有相似性，但也有非常大的不同。

很多人跟我说，做汽车的智驾和做机器人很接近。我觉得有些地方是类似的，但它们有非常大的一个差异。

智驾永远不希望有接触，接触了就是发生了碰撞，汽车的智驾是它不太想跟这个世界发生物理关系。

但机器人真正的价值，就在于它和世界发生了接触。

所以原来智驾的那些技术范式，放在机器人面对的物理世界，是完全不足的，甚至底层逻辑都不一样。

这是我们在行业起步看到的问题，那我就想，真正的物理 AI ，它的迭代和演进到底是什么样的过程？从第一性原理来说，人大脑的能力都是训练和学习出来的， AI 大模型的语料，文字，视频，音频这些都早已在互联网上准备就绪了，所以 AI 大模型很容易学。

但是今天来看，具身智能机器人需要的物理世界数据是不够的，那么相应模型怎么着都不可能有很好的语料，也就不会真正迭代到智能的那一天。

这就是我们的出发点，具身智能最大瓶颈是数据，数据往前推，最大的难点是采集数据。

采集这些准确数据的最重要的入口，就是感知。人的五感里，只有触觉是完全没有电子化的，这是具身智能机器人真正跟物理世界发生关系的重大卡点。

我们也想到人类学习的能力，刚生下的小 baby，一开始听觉和视觉是比较弱的，没有训练出来相应的能力。但是人类生下来就有非常好的触觉能力，小 baby 会咬东西、到处摸东西，所以你可以理解机器人现在需要的就是去把世界上的各种东西摸一遍、咬一遍，感受这个物理世界。

Q4：在一目科技的理解里，「耳听为虚，眼见为实」是不是也不成立？视觉上看到并推理「杯子会掉」，和机械手在杯子滑落的时候感受到摩擦力变化，这两种「理解」有什么本质上的区别？

A： 孔子说眼见为实，后来又说目犹不可信。两千多年后，我们给的答案是：

目犹不可信时，让触觉来做裁判。

里面有几个逻辑，我们可以探讨一下，第一个就是「眼见为实」这句话。我觉得人类最牛的感知能力还是视觉，说实话这还是高智能动物获取信息最广泛、信息量最大的方式。不过视觉它可能有误判，同时视觉在操作的时候可能也有阻挡，有各种问题。

我们大脑对于视觉的计算频率是非常低的，如果眼睛看到一个东西，因为信息量太大了，大脑理解的过程是很慢的，感知端最高大概是 100Hz 左右，大脑处理端比这个还更慢，大概也就 3Hz 到 5Hz。

这就是为什么触觉在这里的表现很重要，以及为什么「眼见为实」还不够。

我们看一些论文，人在抓握一个玻璃杯时，松开再重新抓住这个过程，大概是要在 80ms 以下启动纠正，不然玻璃杯真就掉下去摔碎了，这个链路需要是非常快的。

80ms 的时间也分好几个东西，首先就是感知段，触觉感知的话是 10ms 到 20ms，要在这个时间完成感知，还有 30ms 到 40ms，大脑和小脑做完决策下发电信号到肌肉，指挥肌肉收缩，到肌肉完成收缩，重新抓住杯子还需要 20ms 到 30ms。

所以这里给到感知端的时间只有 10ms 左右，靠眼睛靠视觉是完全不够时间做这个事情的，同时在决策端 30ms 也不够，人根据视觉做一次决策可能需要一两百毫秒。

从这个例子里的各个环节来看，触觉是人类在和物理世界交互里最重要的信号之一，也是最快速响应的信号。

另外我想再解释一下，在操作层面，触觉并不是视觉的补充了，而可能是最重要的信号，因为它会形成小闭环。

▲ 机器人有了触觉和对应算法，就可以分辨真花生和石头材质假花生

AI 应该仿生，光触觉是最接近人类的触觉方案

Q5：过去几年机器人视觉能力进步非常快，但触觉的发展明显更慢。你认为今天机器人最典型的「无触觉后遗症」是什么？有没有哪些任务，人看起来觉得很简单，但机器人只靠视觉几乎永远做不好？

A： 有个成语叫「无能为力」，我觉得比较能形容「无触觉后遗症」，最典型的就是看得见、干不成——机器人能准确认出这是什么、在哪儿，真一伸手就出问题：要么捏碎，要么打滑，要么装歪。

你看大家都在训练各种模型，VLA，World Model 等等，如果这些模型没有触觉，带着机器人真的下场去干活就会出各种问题，事实上也出了各种问题。

模型的泛化性肯定不够，准确率和成功率就非常非常低，很多 VLA 模型可能训练好了，但最终实现的时候，就只有五六成的成功率，这是非常差的表现。这就是因为没有触觉反馈，其他模态没办法做到想要的泛化效果和准确率。

我说一个具体的发现，我之前对汽车制造行业的理解是自动化程度非常高，各种机械臂，各种自动化的生产线，但我们去年接触一些全球头部的汽车生产大厂，其实不是那回事，大概就只有两个车间自动化程度很高，一个是喷涂车间，另一个是焊接车间，几乎是无人的。

但是到了总装车间，全是人，插拔装配线束啊，座椅啊，捋一些那种胶条儿啊，一些细小接插件啊，都是人类靠手去做。

当时对我的触动还是蛮大的，我一直以为汽车的工业自动化已经很高了，很普及了。后来我们意识到，这些东西都是缺了最后的那一点手感，缺了小模型能力，也就是机器人的小脑能力，导致机器人没法像人去完成有点复杂的装配工作。

总结下来呢，我们认为有 3 类事情是一定需要机器人触觉来帮助完成的。

第一类是有些东西，视觉具有欺骗性，比如石核桃和真核桃，看上去一样，但放手一拿，从重量，触感，实心不实心就能感知到它们的不同。

第二类是操作的东西非常柔性，我们对柔性的定义是它一般的形变规律是非线性，本身是非刚体的，无法特别准确地被规则代码预测的东西。比如汽车上的一些胶条，没有力控和触觉，机器人是完全装不了的。

第三类其实是说很多场景需要一种很微妙的手感，就像老师傅的手艺活儿，很难传承下去，就是因为老师傅自己练出来的手感。有个经典的例子，就是拿配得不太好的钥匙开门，需要一个非常特定的角度，一个固定的巧劲儿才能开锁。这个过程也是需要触觉感知才能感知，不然机器人把钥匙插进去一转就把钥匙转断了。

这个微妙的手感，无法用语言去描述、用视觉去观察，只能靠触觉反馈试探——这就是我们要把难以描述的、很精巧的手感，把它数字化、蒸馏出来，变成可以复制的模型能力，变成带触觉的物理 AI 能力。

▲ 一目科技目前量产的触觉传感器

Q6：一目为什么选择用「光」和「视觉」去测量「触觉」？在压阻、压电等等路线之外，视触觉到底解决了什么其他路线解决不了的问题？

A： 你相信光吗？哈哈哈哈哈

大家现在都喜欢称视触觉，其实一目科技的路线， 我们喜欢叫它「光触觉」，而不是「视触觉」。 本质上我们是用光来探测形变，而不是直接给物体拍照再进行判断。

如果我们泛泛地讲，人的触觉在这几个维度上收集信息。

一是形貌学，我摸到的这个东西是光滑的，还是粗糙的，形态是什么样的，软的还是硬的。

二是力学，我按压之后会得到什么样的力反馈，这个力会不会变化，力的变化核心就是震动，震动的本质也是力在变化。

三是温度，温度也是人触觉的重要部分，我们为什么能感受到玻璃，金属和橡胶等等材质的变化，核心就是把这几维的信息叠加在一起，有一个模型判断，哦，玻璃摸起来光滑坚硬又冰凉，橡胶摸起来阻力有点大，有点软，不太凉等等。

做机器人触觉核心就是感受这几个事儿，具体是看这几件事用什么样的方法。

我还是觉得 AI 应该更仿生，更像人类。

▲ 人类触觉和光触觉机制

人的皮肤是一种柔软材质，皮肤接触到物体之后，就会产生形变，皮肤下面一个节点会有四种触觉受体，它们扮演不同角色，有的分析高频，有的分析低频，有的分析软硬等等。

我们的第一性原理决定了我们的传感器也应该是基于一种柔性材质发生形变，然后传感器接收到了这些信号，这是光触觉这条路线最不一样的，他是和真实的物理世界发生了直接的接触，产生了形变。

形变带来了几个信息，一个就是形貌学的，可以在微米级的精度探测整个物体，我就可以知道它是粗糙的还是光滑的，粗糙的话，它的颗粒度大概是什么样的？甚至在我滑动之后，还能感觉它是不是柔顺的。

第二是力学层面的，我们知道我们所用材质的杨氏模量，杨氏模量其实就是材质弹性和力的转化之间的一个个参数嘛，那我按压之后，它有形变，同时显性的物理公式，就可以转换成力的分布和变化。

所以我想说的是，光触觉的工作机理，和人的触觉是最像的，采集到的数据也跟人是最近的。

用光这种形式做检测巧妙的点是，光本身的分辨率非常高，稳定性和一致性非常好，因为我们已经有很多很好的光学芯片和光学器件被发明出来了，所以我们可以用非常好，低成本的方案去解决光探测形变这么一个事儿。

前面是从原理上讲，我们再看性能指标。

评价一个触觉传感器好不好，其实很简单，就是看它的性能指标是不是类人。人的指尖触觉是非常密的，大概 3000 个点，每个点有 4 种不同的触觉受体，也就是说有大概 1.2 万个受体点在做触觉的感知。其他的压阻或者电容触觉方案，基本上只能做到 10-100 个点，跟人的差距非常大。而我们的光触觉方案，做到了在指尖大小的面积上布置24万个点。

还有就是对力的感知精度，我们的光触觉方案可以做到 5mN 左右，再加上分辨率有 24 万个点，可以做很好的纹理检测。这些精度和特性，也是其他方案很难做到的。

还有一个重要的点，其实在机器人操作的过程中，尤其是手的抓握，最重要的不是正向的力，而是侧向的力，比如说握着滑动的杯子，保证不掉下去抓得稳的核心，是感受侧向的摩擦力，其他的几个技术方案感受不到这种力。

▲ 一目科技实验室里的触觉采集设备…

资讯由采集器定时从公开机器人 / AI 信息源自动聚合。