2026-09-29 刚刚，GPT-6 Astra接上宇树G1，把厨房收拾了！

作者：毛不毛     出品：具身智能前沿

导读

机器人装上触觉传感器，最先要回答的不是全身能铺多少感知点，而是任务中哪里会发生接触、必须知道接触的什么变化。F-TAC Hand 展示高覆盖手部触觉如何服务抓取，iCub展示上身皮肤如何定位身体接触，H-1 研究原型则探索更广的身体覆盖。三套系统的任务和实验条件不同，却能帮助我们看清一条设计顺序：先确定接触问题，再决定触觉覆盖的位置和信息密度。

触觉位置，先由接触任务决定

假设机器人要拿起一个易滑的杯子。相机能看到杯子的位置，手指碰上杯壁后，控制系统还需要知道接触是否建立、哪一侧开始滑动。此时把触觉放在指尖和手掌，比让胸部感知同样细小的变化更直接。

任务换成与人近距离协作，人的手可能碰到前臂、肩部或躯干。机器人需要知道碰在哪里、接触是否持续，触觉便不能只留在手指。如果任务包含不平地面上的站立，足底与地面的接触状态又成为问题。

位置不是外壳上的装饰选择，而是任务把感知需求落到身体上的结果。下面用三套公开系统对照这个问题。它们分别突出手部、上身和更广的身体覆盖；年代、机构、硬件与任务都不同，不能拿感知点数量或单项实验成绩排出优劣。

手部高覆盖：F-TAC Hand 要知道物体在手里移到哪里

F-TAC Hand 的论文描述了 17 个视觉触觉传感器组成的灵巧手。视觉触觉的做法是让接触层受力变形，再由内部相机观察形变，估计局部接触状态。论文报告的覆盖范围约为手掌侧表面的 70%；这个数字只属于这只手，既不是机器人全身覆盖率，也不是“70% 的皮肤都能独立测力”。

图片说明：论文图 1 展示手部视觉触觉覆盖的示意与多处接触位置；图中的覆盖比例属于该手的掌侧设计。图片来源：F-TAC Hand 论文 Fig. 1，Nature Machine Intelligence

为什么要把感觉铺到不止一个指尖？论文测试的是多物体抓取和搬运：机器人已经拿住一个物体，还要判断它在手里的实际位置，避免下一次抓取发生碰撞。接触分布若只来自少数孤立点，就可能缺少判断物体姿态所需的局部信息。研究者因此把传感器嵌入多个手指和掌侧位置，并让触觉信息参与动作调整。

论文报告了该系统在自身多物体任务中的触觉辅助效果。它说明高覆盖手部触觉可以服务手内接触判断，并不说明每一种灵巧操作都需要同样的结构，更不能用这组实验判断身体其他部位该铺多少皮肤。

上身分布：iCub 要知道身体哪里被碰到了

另一种接触发生在手之外。意大利技术研究院的 iCub 产品目录把手掌、指尖传感器与上身皮肤分别列出。目录中的上身电容皮肤约有 2000 个感知点，提供接触位置和强度信息，用于人机接触。这里讨论的是上身皮肤的职责，不是说 iCub 只有上身才有触觉：一项 2015 年的 iCub 研究还记录了足底的触觉单元。

图片说明：论文图 1 展示人与 iCub 手臂接触的场景；照片本身不呈现传感器读数。图片来源：Nori 等，Frontiers in Robotics and AI，2015，Fig. 1（CC BY）

手指拿小物件，需要分辨局部接触细节；前臂或躯干与人接触，先要知道身体哪块区域被碰到。该研究把分布式皮肤与力、力矩传感器一起用于接触估计和姿态控制。局部皮肤帮助定位接触，肢体内的力、力矩传感器则提供受力信息；两类数据有不同职责。增加上身触觉，扩大的主要是可感知的身体范围，不能只拿感知点数量与手部视觉触觉比较精细程度。

电容皮肤的基本原理是：接触使感知单元的电容变化，系统读取变化，再按单元位置还原接触区域。多个单元连成皮肤后，读数还要经过采集、定位和传输，才能被控制系统使用。iCub 产品目录与 2015 年论文描述的配置和任务各有范围，不能把它们拼成所有 iCub 版本共有的一套装配。

扩到腿和足底：H-1 让更多接触进入系统

慕尼黑工业大学 2019 年介绍的 H-1 是一台配置人工皮肤的研究原型。官方说明列出的覆盖位置包括上身、手臂、腿和足底。它的六边形皮肤单元包含接触、加速度、接近和温度等传感；官方披露原型安装了 1260 个单元、超过 13000 个传感器。

图片说明：照片可见手臂和躯干表面的六边形单元，以及人与机器人接触的场景；足底未出现在画面中。图片来源：Astrid Eckert / Technical University of Munich

覆盖扩大以后，接触问题也不再局限于抓取。前臂和躯干可能与人或物体同时接触，腿和足底要感知支撑变化。TUM 说明中举出的原型演示包括对不平地面作出反应，以及在近距离身体接触中调节动作。这些演示只说明该原型在特定任务里利用了多处接触信息，不能据此推断量产人形机器人已普遍采用全身皮肤。

更大的覆盖还带来读取压力。如果所有单元持续上传每个读数，数据处理负担会增加。H-1 的方案采用数值变化时才发送信息的事件式处理，让系统优先处理新出现的接触变化。这里的“事件式”指皮肤单元的数据传输方式，不等同于把每块皮肤都换成事件相机。

三套方案放在一起，该先比什么

这三套系统不能回答“哪台机器人触觉最好”，因为它们处理的接触任务不同。它们能提供一套更有用的比较顺序。

先问接触发生在哪里。物体主要由手指和手掌操作，优先审视手部；人与机器人可能碰到前臂或躯干，就不能只看指尖；站立、全身支撑或身体贴靠任务，则要把脚和其他接触面纳入问题。某个部位没有参与任务，不会因为能贴上传感材料就自动值得高密度覆盖。

再问需要分辨什么。手内操作可能关心接触点、局部形变和物体在手中的位置；大面积身体接触先要定位碰撞或触摸区域；足底则关心着地、支撑和接触变化。如果任务只需知道整条手臂受到的合力，力、力矩传感器可能已能提供所需信息；只有需要定位局部接触时，皮肤的额外价值才更明确。信息需求不同，覆盖面积、空间细节和读取速度的取舍也会不同。

最后问读数是否被动作使用。F-TAC Hand 的实验把手内触觉用于调整后续抓取；iCub 的研究同时使用分布式皮肤和力、力矩传感器处理接触；H-1 则展示大面积单元的读取方式。传感器产生读数后，系统还要把读数对应到身体位置和发生时间，再用于具体控制任务。缺少这一步，扩大覆盖只会增加数据入口。

可以把这套判断写成一张接触地图：任务会碰到哪里、必须分辨什么、读数将怎样改变动作。把这三件事说明白，感知点数量才有比较意义。触觉覆盖的目标是让必要的接触进入动作，而不是把皮肤面积本身当成绩。