编程语言AI算法
清华大学发布 SuperTac 仿生多模态触觉传感器，感知精度接近人类
清华大学研究团队联合多家机构在《Nature Sensors》发表 SuperTac 仿生多模态触觉传感器。该传感器借鉴鸽子视觉原理，集成多光谱成像、摩擦电传感等技术，厚度仅 1mm。配合 DOVE 触觉语言模型，能融合解读压力、温度、纹理等多模态数据，实现物体识别与推理。实验显示其在力、位置、温度等维度刷新纪录，适用于灵巧手与夹爪场景。目前仍面临微型化、耐用性及动态场景适应等挑战。
清华大学研究团队联合多家机构在《Nature Sensors》发表 SuperTac 仿生多模态触觉传感器。该传感器借鉴鸽子视觉原理，集成多光谱成像、摩擦电传感等技术，厚度仅 1mm。配合 DOVE 触觉语言模型，能融合解读压力、温度、纹理等多模态数据，实现物体识别与推理。实验显示其在力、位置、温度等维度刷新纪录，适用于灵巧手与夹爪场景。目前仍面临微型化、耐用性及动态场景适应等挑战。
在 SuperTac 之前，机器人触觉感知主要分两大技术路线，但都有绕不开的局限：
早期电子皮肤靠密集电极阵列实现多模态感知，但电极一多就会出现'信号串扰'——测压力时温度数据会飘，辨纹理时位置精度又下降。
而且为了塞下更多传感器，皮肤厚度往往超过 5 毫米，贴在机器人手指上既不灵活，又无法捕捉 0.1 毫米级的细微凸起（比如布料纹理）。
后来出现的视觉触觉传感器（靠光学成像测形变）解决了分辨率问题，能做到亚毫米级精度，但大多只局限在可见光范围。
比如想通过温度区分刚煮好的杯子和室温杯子，或者靠紫外线识别特殊材质；而且多数只能测压力 + 纹理，像振动、距离这些关键信息根本拿不到。
就算个别传感器能同时测压力、温度、纹理，不同模态的数据也像'不同语言的报告'——压力数据是数值，纹理是图像，温度是热图，没有统一的解读框架，机器人拿到数据也无法'综合判断'。
比如摸到一个物体，知道它硬、凉、光滑，却分不清是玻璃还是金属。
SuperTac 的创新，正是从这三个痛点切入：用仿生设计突破感知模态限制，用轻薄结构兼顾分辨率与灵活性，再靠专用语言模型打通数据解读。
SuperTac 的核心创意：鸽子的视觉系统比人类更适合触觉感知。
人类只有 3 种视锥细胞，只能感知可见光；而鸽子有 4 种视锥细胞，能看到紫外线，还能靠视网膜里的特殊分子感知磁场，相当于'自带多光谱相机 + 指南针'。这种'全维度信息捕捉'的能力，正是机器人触觉需要的。
于是研究将这个原理'移植'到触觉传感器上，设计出了三层核心结构，总厚度仅 1 毫米：
用 PEDOT:PSS（一种透明导电材料）涂在 TPU 薄膜上，既保证透光性，又能在接触物体时产生摩擦电信号——
不同材质的物体（比如塑料和金属）接触时，产生的电压信号不同，机器人靠这个就能'摸出'材质差异。
中间层是紫外线荧光油墨，底层是镀银粉末的反射层，配合不同波长的光源（紫外线、可见光、近红外、中红外），就能实现'一皮多用'：
![图片]
此外，传感器内部有个微型气腔，能通过调节气压改变'硬度'——测软物体（比如海绵）时调低气压，让皮肤更贴合；测硬物体（比如金属块）时调高气压，避免过度形变影响精度。
光能采集数据还不够，机器人需要知道'这些数据意味着什么'。
比如摸到'硬、凉、光滑、黄色'的物体，要能判断'这可能是个金属杯子，适合装水'。
![图片]
为了解决这个问题，开发了 DOVE 触觉语言模型（85 亿参数），它的核心能力有三个：
DOVE 能把摩擦电信号（材质）、温度数据、纹理图像、颜色信息整合到一起，生成自然语言描述。
比如触摸一个杯子后，它会输出：'这个物体是黄色的，室温，表面有均匀的凸起纹理，靠摩擦电信号判断材质为金属'——就像人类触摸后会口头描述一样。
![图片]
如果机器人同时触摸两个物体，DOVE 能找出它们的不同：'两个物体颜色和温度相近，纹理相似，但材质不同（一个是塑料，一个是金属），因此是不同物体'。这种对比能力，让机器人在分拣任务中效率大大提升。
![图片]
它还能结合常识推理物体用途，比如摸到 PET 材质（常用于饮料瓶）、黄色、有光滑曲面的物体，会判断：
'这可能是一个饮料瓶，适合装液体，日常用来喝水'。
![图片]
这种'感知 + 推理'的组合，让机器人不再是'只会执行指令的工具'，而是能根据触觉信息自主判断操作方式。
实验在力、位置、温度、纹理、材质、振动 6 个核心维度进行了测试，全面超越现有传感器：
![图片]
![图片]
▲安装了 SuperTac 传感器的机械手用于感知物体的纹理、温度、颜色和材料，并使用我们训练的触觉语言模型将触觉感受解释为语言。
此外，实验还测试了 48 种 U 型、V 型及多边形形状探针的力感知精度。
![图片]
还有一个很实用的功能是距离感知：靠摩擦电信号的变化，能在 15 厘米内预判物体是否靠近，避免机器人抓取时碰撞；碰撞检测的准确率也有 94%，相当于给机器人加了一层'触觉安全气囊'。
此外，将 SuperTac 装在两种机器人平台上做了实测：
在工业装配场景中，机器人需要抓取不同材质的零件——比如塑料齿轮、金属螺丝、玻璃镜片。
SuperTac 能实时感知压力和材质：抓塑料时用 0.5N 的力，抓金属时用 1N 的力，抓玻璃时用 0.3N 的力，成功率比传统方案提升 30%。
![图片]
在家庭服务场景中，机器人需要处理软物体（比如叠衣服、拿面包）和易碎物体（比如杯子、盘子）。
SuperTac 的气压调节功能在这里派上了用场：夹面包时调低气压，让夹爪更'软'，避免把面包压变形；夹杯子时调高气压，保证抓稳不滑落；而且靠温度感知，能避开刚从微波炉拿出来的热盘子，防止烫伤（传感器本身耐高温，不会损坏）。
![图片]
虽然 SuperTac 的突破很显著，但它并非完美，仍有几个需要改进的方向：
现在的 SuperTac 直径约 32 毫米（相当于一枚硬币大小），主要装在机器人的手掌或夹爪上；
而人类的触觉感知主要靠指尖，未来需要把传感器缩小到 5 毫米以下，才能装在机器人手指上，实现更灵活的操作（比如捏起一根针）。
研究在进行了 8 万次接触测试后，传感器的信号稳定性还能保持，但超过 10 万次后，导电层的 PEDOT:PSS 可能会磨损，导致摩擦电信号减弱；而反射层的银粉末也可能脱落，影响光学成像。
目前 SuperTac 的采样频率是 1kHz（每秒采集 1000 次数据），对于缓慢接触的物体（如抓取杯子）足够，但如果物体快速运动（如接住掉落的球），可能会出现数据滞后，导致判断不及时。
SuperTac 为机器人触觉感知提供了一套'新范式'：
用'一层皮肤 + 多光谱成像'实现多种感知，既简化了结构，又提升了性能。
首次让触觉数据从'冰冷的数值'变成'可理解的信息'——机器人不再是'摸到什么就是什么'，而是能结合常识推理物体的用途和操作方式。这种'感知 + 认知'的结合，是机器人从'工具'向'助手'转变的关键一步。
不过也要清醒地认识到，它离人类触觉还有差距——比如人类能靠触觉感知到物体的'质感'（如丝绸的顺滑、羊毛的柔软），而 SuperTac 目前还只能靠纹理和硬度间接判断。但不可否认，这已经是机器人触觉感知领域的一大步。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML 转 Markdown 互为补充。 在线工具，Markdown 转 HTML在线工具，online