行业痛点与共识 - 人形机器人行业存在运动能力与精细操作能力之间的巨大反差 精细操作能力的缺失是机器人广泛商用落地的关键瓶颈[1] - 攻克高精度、低成本的触觉传感技术已成为吸引资本密集入局的焦点赛道[1] 公司融资与资本认可 - 具身智能触觉感知企业戴盟机器人近期完成亿元级战略轮融资 由中国移动链长基金独家投资 距离上一轮由招商局创投领投的融资仅过去两个多月[1] - 公司的投资者覆盖了国家级产业资本、科技巨头基金与风投资本三大资本体系 包括招商局创投、联想创投和昆仲资本等[1] - 中国移动链长基金的投资具有战略意义 其代表一套完整的产业体系 拥有算力、云、数据、网络、终端部署能力及大规模场景资源 已与公司共同参与“具身智能产业合作计划”[2] - 资本方将公司视为触觉感知技术路线中最具商业价值的企业之一 看到了定义具身智能未来的机遇[2] 技术路线与产品突破 - 传统触觉感知技术路线存在局限 如电容式与磁电式易受电磁干扰 压阻式温漂大、非线性 三维力传感器缺乏细节感知[5] - 公司孵化于香港科技大学 突破了美国MIT“三色光”技术垄断 开创了具有自主知识产权的“单色光”视触觉技术路线[5] - 公司推出全球首款多维高分辨率高频率视触觉传感器DM-Tac 其每平方厘米覆盖4万个感知单元 密度远超人类手指 可获取形貌、纹理、软硬、滑移、压力等高分辨率多模态触觉信息[4][5] - 公司产品具备结构精简、抗干扰性强、响应灵敏等技术优势[5] - 公司新一代触觉解决方案产品性能提升 并以“1299元起”的价格定位引发行业震荡[9] 行业地位与市场数据 - 公司是全球首家实现视触觉传感器万片级规模化出货的企业[6] - 公司推出全球首款毫米级视触觉传感器 可无缝集成至灵巧手指尖[6] - 公司产品是全球首个达到IP65防护等级的视触觉传感器 具备优异的防尘防水能力[6] - 公司产品通过500万次按压测试 寿命远超行业平均水平 并获欧盟CE、美国FCC双认证[6] - 2024年全球触觉传感器市场规模已达到153.3亿美元[6] - 研究数据预测 当人形机器人产量达到1亿台时 视触觉技术路线对应的市场规模约3.76万亿元[6] 公司发展前景 - 公司已成为全球具身智能产业竞争中一个不可忽视的关键变量[9] - 公司当前站在关键的扩张节点上 面临如何在快速扩张中持续保持技术领先、构建并巩固生态优势的挑战[9]

文章核心观点 - 人工智能触觉感知企业他山科技在三季度连续完成A3轮和A4轮两轮融资，融资总额达数亿元人民币，共有13家投资方参与[1] - 公司致力于构建“芯片-传感器-算法-场景”全栈闭环能力，推动触觉感知技术从实验室原型走向规模化商用落地[2] - 在具身智能领域，触觉感知已成为继机器视觉与语音识别后，决定机器人能否与物理世界进行安全、精细、可靠交互的关键技术，是能力进阶的决胜之地[3] - 他山科技通过自主研发全球首款AI触感芯片及全链路技术体系，已占据机器人触觉感知领域超过80%的市场份额，成为行业主导力量[9] 触觉感知行业的技术瓶颈与重要性 - 行业面临三大技术瓶颈：信号处理滞后，因触觉信号是高频、多维连续物理量，传统芯片架构难以实现低延时、低功耗实时解析[5]；数据采集低效，高质量触觉数据采集成本高且缺乏标准化，导致算法模型训练不足[6]；场景适配不足，实验室技术泛化能力弱，难以应对真实世界千变万化的交互任务[7] - 这些瓶颈限制了机器人只能在结构化、预定义环境中工作，阻碍其融入复杂动态的人类生活与生产场景[8] - 触觉感知是机器人实现与物理世界精细、可靠交互的“躯体感觉神经系统”，对于人形机器人加速进入复杂作业场景至关重要[3][5] 他山科技的核心技术突破 - 公司自主研发全球首款数模混合AI触感芯片，采用R-SpiNNaker分布式脉冲神经网络架构，实现触觉信号实时高速处理[11] - 芯片具备0.01N超高力分辨率，能完成抓取鸡蛋无破损的柔性操作，并可仅凭触觉区分金属、布料、纸张等材质特性，感知物体细微形变[11] - 芯片具备独特端侧感控能力，能模拟人类手部“非意识反应”机制，提升复杂场景下的操作可靠性[11] - 基于芯片打造TS-F指尖触觉传感器，具备三维力感知、接近觉和材质识别多维融合能力，已与多家主流灵巧手厂商产品完成兼容性测试并批量出货[13] 商业化应用与场景落地 - 在服务场景，触觉感知机器人已实现无需人工辅助即可自主完成抓取、递送全流程，服务失误率显著降低[14] - 在工业领域，触觉解决方案应用于插取装配等柔性作业场景，解决传统自动化设备泛化能力不足的痛点[14] - 在农副产业，小龙虾预处理平台雏形展示触觉技术潜力，机器人能自动识别小龙虾尺寸、朝向，以恰当力度进行抓取、分类和摆盘，替代人工操作[16] - 传感器产品已应用于智能座舱中控触觉交互、精密制造中的元器件微装配等高要求领域[13] 数据瓶颈的创新解决方案 - 针对触觉数据采集成本高、通用性差的痛点，公司构建“仿真+实采”协同训练体系，在主流仿真平台搭建开源触觉模型[17] - 通过灵巧手“数字分身”无限生成抓取、扭转等多维度训练数据，并采用“原子学习”任务分解方法，将复杂操作拆解为基础动作单元训练，使算法训练周期大幅降低[17] - 该平台已形成规模领先的触觉数据集，通过统一数据标准打破“数据孤岛”，加速全行业技术迭代[17] 未来发展规划与战略重点 - 本轮融资后，公司将重点攻坚多模态融合技术，提升机器人触觉感知在复杂环境中的自适应能力[19] - 计划扩大机器人多模态训练场景库覆盖，完善“仿真预训练-实采优化”的闭环体系[19] - 将聚焦精密制造、服务交互等刚需场景，推动触觉技术从“可选配”升级为“核心标配”[19] - 标志着具身智能产业已迈入“感知精细化、操作实用化”的关键阶段，触觉感知将赋予机器人更精准操作能力与更泛化适应能力[19]

具身智能技术框架 - 行业将具身智能技术框架类比为人类的大脑和小脑，大脑负责思考感知（语义理解和任务规划），小脑负责执行（高精度的运动执行）[3] - 细分领域包含仿真、VLA、Diffusion Policy、VLN、世界模型、强化学习等多个子模块[5] - VLA和世界模型目前是自动驾驶和具身智能领域的两大技术路线[5] 核心技术演进路径 - 第一阶段技术研究聚焦于抓取位姿检测，通过点云或图像预测末端执行器姿态，但策略多为单步决策，缺乏对任务上下文和动作序列的建模[7] - 第二阶段进入行为克隆阶段，机器人借助专家演示数据学习端到端映射，但暴露出泛化能力弱、误差累积等问题[7] - 第三阶段以2023年兴起的Diffusion Policy为代表，通过扩散模型生成整个动作轨迹，提升策略稳定性与泛化能力；2024年进入VLA模型阶段，融合视觉、语言与动作生成，支持零样本或小样本快速泛化[8] - 第四阶段自2025年以来，行业探索VLA与强化学习、世界模型、触觉感知等模块的融合，以弥补现有模型在反馈、预测和多模态感知方面的局限[9] 当前技术热点与方向 - VLA目前主要研究热点为端到端和分层两种方案，并分别基于大模型和Diffusion技术拓展，VLA+RL方案正成为学者探索方向[5] - Diffusion Policy作为动作模块，负责学习具体动作和执行，主要方向包括状态扩散、动作空间扩散、三维空间扩散等[6] - 仿真技术关注sim2real和real2sim2real，以解决真机泛化差的问题，该方案已获多家具身公司认可[6] - VLN更关注目标导航，与移动操作相关联，map-free方案利于任务泛化[6] - VLA与强化学习结合提升机器人在长时任务中的试错与自我改进能力；与世界模型结合引入环境动态预测，使机器人具备“想象未来”的能力；与触觉信息结合拓展多模态融合的感知边界[10] 行业应用与市场前景 - 技术发展推动人形机器人、机械臂、四足机器人等产品落地，服务于工业、家居、餐饮、医疗康复等领域[10] - 相关产品和融资络绎不绝，岗位呈现爆发式增长，吸引大量人员转入具身智能领域[10] - 随着产业界重视，行业从“论文”走向“部署”，对工程与系统能力需求激增[14]

融资情况 - 千觉机器人完成亿元级Pre-A轮融资，由孚腾资本领投，理想汽车、彬复资本等共同参与，高瓴创投等老股东跟投 [1] - 融资资金将用于技术研发、产品迭代、团队扩充与市场拓展，以完善全链路业务布局 [1] - 产业资本如孚腾资本和理想汽车的加入，体现了对该公司前景的认可，并有助于其触觉感知技术在真实产业场景的落地 [1] 业务与技术应用 - 公司已在具身灵巧操作、工业精密装配、触觉检测、柔性物流及家庭智能体等多个前沿场景实现技术验证与落地应用 [3] - 产品获得行业头部客户青睐，合作伙伴包括智元机器人、理想汽车、欧莱雅中国、海尔、谷歌DeepMind等 [3] - 其多模态触觉技术针对传统触觉传感器的局限提供了有效解决方案，有望推动行业向精准交互转型 [4][5] 行业背景与市场前景 - 2025年全球智能机器人感知技术市场规模预计将达531亿元人民币，年复合增长率超过20% [4] - 精细操作能力是机器人落地的核心门槛，触觉感知是其中亟待填补的关键环节 [4] - 传统触觉传感器存在空间分辨率不足、感知维度单一等局限，且触觉数据采集成本高、数据稀缺，制约了行业发展 [4] 公司定位与核心团队 - 公司成立于2024年5月17日，定位为以多模态触觉感知技术为核心的科技企业，使命是突破触觉感知边界，赋能机器人精细智能 [6] - 创始人马道林教授为上海交大副教授、MIT博士后，曾获2021年ICRA最佳会议论文奖、2017年亚马逊机器人挑战赛冠军等荣誉 [8] - 核心团队在机器人操作感知与智能实验室拥有8年技术储备，成员来自MIT、北大、清华等顶尖院校，具备学术突破与工程落地相结合的互补能力 [10][11] 产品与技术优势 - 公司产品矩阵涵盖全系列触觉传感器、触觉数采系统、触觉仿真器、触觉执行器及触觉控制系统，形成完整技术闭环 [12] - 其高精度触觉传感器G1-WS测量分辨率达每平方厘米5万个测量点，信息感受密度为人类手指的800倍，可提供三维力觉等多模态感知信息 [12] - 公司推出的触觉仿真工具Xense_Sim是全球首个可精确模拟切向运动与力信息的工具，填补了行业技术空白，能提升训练模型的泛化能力 [12] - 该触觉感知解决方案已落地应用于智元机器人，为其在复杂场景的应用构建数据基础 [13]

融资与资本认可 - 千觉机器人完成亿元级Pre-A轮融资，由孚腾资本领投，理想汽车等产业方及彬复资本等市场化机构参与，高瓴创投等老股东跟投[1] - 融资资金将用于技术研发、产品迭代、团队扩充与市场拓展[1] - 产业资本如孚腾资本和理想汽车的加入，代表对千觉机器人技术前景的认可，并有利于其触觉感知技术在真实产业场景的落地[1] 公司定位与技术核心 - 公司成立于2024年5月17日，定位为以多模态触觉感知技术为核心的科技企业，使命是突破触觉感知边界，赋能机器人精细智能[6] - 核心业务聚焦于解决机器人精细操作中的感知难题，研发多模态触觉感知与操作技术[6] - 公司拥有触觉传感器、触觉感知算法与触觉控制算法三大核心技术，形成“学术突破+工程落地”的互补团队[11] 产品与技术解决方案 - 公司已搭建从核心硬件到系统平台的全链条技术路径，产品矩阵涵盖全系列触觉传感器、触觉数采系统、触觉仿真器、触觉执行器及触觉控制系统[12] - 专为夹爪推出的高精度触觉传感器G1-WS测量分辨率达每平方厘米5万个测量点，信息感受密度为人类手指的800倍，可提供高分辨率三维力觉等多模态感知信息[12] - 针对触觉数据采集成本高、稀缺性强的行业痛点，公司推出全球首个可精确模拟切向运动与力信息的触觉仿真工具Xense_Sim，填补行业技术空白[14] 市场落地与合作伙伴 - 公司技术已在具身灵巧操作、工业精密装配、触觉检测等多个前沿场景实现验证与应用，与智元机器人、理想汽车、谷歌DeepMind等头部客户建立紧密合作[3] - 触觉感知解决方案已落地应用于智元机器人，为其在精密装配等复杂场景中构建数据基础，Xense_Sim生成的合成数据可与真实数据互补，提升模型泛化性[16] 行业背景与市场前景 - 机器人触觉感知赛道处于高速增长期，预计2025年全球智能机器人感知技术市场规模将达531亿元，年复合增长率超过20%[4] - 传统触觉传感器存在空间分辨率不足、感知维度单一等局限，制约了机器人智能水平的提升，而千觉机器人的多模态触觉技术针对这些行业痛点提供了有效解决方案[5] - 精细操作能力是机器人在工业、服务、医疗等领域成功落地的核心门槛，触觉感知是其中亟待填补的关键一环[4]

公司融资与市场关注度 - 千觉机器人成立仅一年半即完成今年内第三轮亿元级融资 [1] - 获得理想汽车、上海国资旗下孚腾资本、高瓴创投、元禾原点等新老股东投资 [1] 核心技术优势 - 研发多模态触觉感知技术，为机器人提供人类般的触觉神经 [3] - 机械手指可通过微米级压力反馈自动调整力度，适用于装配精密零件和分拣易碎品 [3] - 与谷歌DeepMind实验室合作探索机器人理解物理世界 [3] 商业化应用场景 - 技术已应用于五大场景：汽车制造厂精密装配线、欧莱雅生产线化妆品包装触觉检测、物流仓库抓取不规则物品 [3] - 与智元机器人合作开发的家庭管家能准确分辨新鲜与枯萎蔬菜，基于数万次触觉数据训练 [3] - 海尔智慧工厂采用千觉传感器后机械臂产品损耗率下降67% [3] 行业发展趋势与竞争格局 - 麦肯锡报告预测全球具身智能市场规模将在2028年突破千亿美元，触觉感知被列为最具价值技术突破点 [3] - 红杉资本认为触觉是继视觉和语音技术成熟后的下一个必争之地 [4] - 面临波士顿动力（机器人凭触觉复原魔方）和亚马逊（物流机器人测试类似技术）的竞争 [4] 行业发展挑战 - 触觉传感器量产良率是行业难题 [4] - 存在标准化困境，不同行业对触觉精度要求差异百倍（如医疗机器人需感知组织弹性，工业场景仅需判断抓取力度） [4]

公司融资与市场地位 - 模量科技于近期完成千万级Pre-A轮融资，由青橙资本独家投资，距离上一轮融资仅两个月[1][2] - 融资资金将用于扩充产线、提升交付能力，并加深在机器人、智能汽车、新能源、消费电子、医疗健康等场景的渗透[1] - 公司成立于2024年，是全球少数实现工业级多模态触觉传感技术规模量产的硬科技企业，已突破技术壁垒并实现从材料、算法到模组的高度一体化闭环[2] 行业市场前景 - 触觉感知是机器认知物理世界的关键技术高地，随着人形机器人迈向量产、工业智造迈向微米级控制，高精度触觉传感器成为刚性需求[3] - 2028年全球触觉传感器市场规模将突破260亿美元，而到2030年，仅中国人形机器人电子皮肤赛道市场规模便有望达到90亿元，年复合增长率高达64.3%[3] 核心技术产品矩阵 - 公司以材料创新与算法融合为核心，构建了覆盖多场景的触觉传感产品矩阵，包括具身智能触觉模组、全柔性电子皮肤、工业压力分布检测系统、高灵敏温压传感器以及织物类柔性传感器[3][5][7][9] - 公司不仅是传感器模组供应商，更是具备多行业整体解决方案的平台型企业[11] 商业化应用落地 - 公司产品已实现商业化闭环，在工业领域其压力分布传感系统用于新能源电池模组组装和高精度模具检测，客户包括多家头部智能制造商[14] - 在具身智能方向，公司与多家机器人及灵巧手企业合作提供触觉感知模组，在智能汽车板块与产业链巨头共同研发智能座椅调节系统，在消费领域为AR/VR、手表等穿戴产品提供佩戴舒适度检测系统[14] - 公司的触角亦延伸至医疗健康、智能穿戴、智能服装、智能家居等领域[14]

公司融资情况 - 帕西尼完成10亿元A轮融资 由京东战略领投 浦耀信晔 宏兆基金 张科垚坤 新国都 北京昌平先进能源制造产业直投基金 财鑫资本 复琢投资联合跟投 [2] - 湖南财信产业基金 钧犀资本 TCL创投 毅达资本等老股东持续加码 [2] - 庚辛资本中国继续担任独家战略财务顾问 [2] 公司核心技术 - 专注"多维触觉+具身智能"核心闭环 自研6D霍尔阵列传感芯片 ITPU触觉处理单元及柔性触觉传感器 [3] - 构建全球唯一年产2亿条全模态数据的Super EID Factory 为机器人提供"类人指尖"的精准物理交互能力 [3] 融资资金用途 - 加大霍尔阵列芯片与触觉传感器的迭代研发投入 突破更高集成度与更低功耗 [4] - 扩建Super EID Factory 提升数据采集规模与质量 夯实具身智能数据底座 [4] - 携手京东 比亚迪等产业伙伴 加速在智能物流 汽车制造 医疗康养等场景的规模化落地 推动触觉感知成为机器人标配 [4] 投资方观点 - 京东看好帕西尼全球领先的触觉感知技术与稀缺的全模态数据闭环 其传感器已在仓储拣选场景验证显著降本增效 [4] - 团队兼具芯片 算法与产业落地经验 与京东生态高度协同 具备具身智能时代的平台级潜力 [4] 行业政策与市场趋势 - 工信部《人形机器人创新发展指导意见》落地 北京市同步发布机器人产业基金管理办法 政策端与市场端形成共振 [4] - 帕西尼以触觉传感技术响应国家"补短板"号召 契合产业方降本增效需求 [4]

核心观点 - 视觉-语言-动作模型（VLA）在接触密集型任务中存在触觉感知缺失的短板，难以实现精细力控制 [2] - Tactile-VLA通过深度融合视觉、语言、动作与触觉感知，激活VLA模型中隐含的物理知识，解决接触密集型任务的力控制与泛化问题 [2][6] - 研究发现视觉-语言模型（VLM）的先验知识中已包含对物理交互的语义理解，通过少量演示即可激活该知识实现零样本泛化 [6] 核心创新与研究目标 关键发现 - VLM的先验知识包含物理交互语义理解，通过触觉传感器连接可激活该知识实现零样本泛化 [6] 主要创新点 - Tactile-VLA框架：首次将触觉感知作为原生模态引入VLA模型，构建多模态深度融合架构 [6] - 混合位置-力控制器：将力目标转化为位置调整指令，解决位置与力控制的协同难题 [6][11] - Tactile-VLA-CoT变体：引入思维链推理机制，基于触觉反馈自主调整策略提升稳健性 [6][15] 主要解决的问题 - 触觉感知的指令遵循：理解"轻柔地""用力地"等力相关语言修饰词 [6] - 触觉相关常识运用：基于物体属性自主调整交互力 [6] - 触觉参与的自适应推理：通过触觉反馈诊断失败并制定纠正策略 [6] Tactile-VLA框架 整体架构 - 多模态深度融合架构包含视觉、语言、触觉和本体感觉输入的统一token表示 [9][11] - 通过非因果注意力机制实现视觉、语言和触觉token的自由交互 [9] 混合位置-力控制机制 - 控制逻辑：以位置控制为主，力误差超过阈值时引入力反馈调整 [11][12] - 双通道分离：外部净力与内部抓取力分离实现精细化调节 [13] 思维链推理机制 - 触发机制：固定间隔评估任务进展，检测失败时启动推理 [18] - 推理流程：判定任务成功与否、分析失败原因、生成纠正指令 [18] 数据收集方法 - 硬件平台：基于通用操作接口（UMI）配备双高分辨率触觉传感器 [19] - 同步机制：100Hz触觉信号与20Hz视觉数据时间对齐 [19] - 标注方式：人类操作员结合触觉反馈提供演示并记录语言指令 [19] 实验验证与结果分析 触觉感知的指令遵循实验 - 任务A（USB插拔）：Tactile-VLA成功率达35%，充电器任务中达90% [22][23] - 力控制精度：USB任务中"轻柔地"施加0.51N力，"用力地"施加2.57N力 [23] 触觉相关常识的运用实验 - 域内物体抓取成功率：90%-100%，域外物体达80%-100% [30] - 力调节策略：根据物体属性自主调整力度，如对易碎物体用轻力 [30] 触觉参与的自适应推理实验 - 黑板擦拭任务：Tactile-VLA-CoT成功率达80%，基线模型为0 [28][32] - 推理过程：首次尝试失败后自主增加剪切力并成功完成任务 [32]

核心观点 - 视觉-语言-动作模型（VLA）在接触密集型场景中存在触觉感知缺失的短板，难以实现精准力控制与物理交互 [2] - Tactile-VLA框架通过深度融合视觉、语言、动作与触觉感知，激活VLA模型中隐含的物理知识，解决接触密集型任务中的力控制难题 [2] - 研究发现视觉-语言模型（VLM）的先验知识中已包含物理交互的语义理解，通过触觉传感器连接可激活该知识实现零样本泛化 [6] 核心创新与研究目标 关键发现 - VLM的先验知识包含物理交互语义理解，触觉传感器连接可激活该知识实现零样本泛化 [6] 主要创新点 - Tactile-VLA框架首次将触觉作为原生模态引入VLA模型，构建多模态深度融合架构 [7] - 混合位置-力控制器创新性地将力目标转化为位置调整指令，解决位置与力控制协同难题 [7] - Tactile-VLA-CoT变体引入思维链推理机制，基于触觉反馈分析失败原因并自主调整策略 [7] 主要解决问题 - 实现触觉感知的指令遵循、触觉相关常识运用和触觉参与的自适应推理三大能力 [9] 框架设计 整体架构 - 包含多模态编码器、Transformer backbone网络、触觉感知动作专家和混合位置-力控制器四大模块 [13] - 采用token级融合机制，通过非因果注意力实现视觉、语言和触觉token的自由交互 [14] 混合位置-力控制机制 - 以位置控制为主，力误差超阈值时引入力反馈调整，公式ΔF为目标力与实测力差值 [14] - 双通道分离设计：外部净力通过机械臂笛卡尔位置控制，内部抓取力通过夹爪宽度控制 [14] 思维链推理机制 - 按固定间隔评估任务进展，检测失败时启动"判定-分析-生成"三阶段推理流程 [14] - 使用含失败案例和语言注释的小型数据集微调模型，保留通用推理能力 [14] 实验验证 触觉感知的指令遵循 - USB任务中Tactile-VLA成功率35%，充电器任务达90%，显著高于基线模型（最高40%）[21] - 力控制精度：USB任务中"轻柔地"0.51N vs "用力地"2.57N，充电器任务保持区分度（4.68N vs 9.13N）[21] 触觉相关常识运用 - 域内物体抓取成功率90%-100%，域外物体80%-100%，显著高于基线（易碎物体基线接近0）[27] - 能根据物体属性自主调整力度：坚硬沉重物体用大力，易碎物体用轻力 [27] 触觉参与的自适应推理 - Tactile-VLA-CoT黑板任务成功率80%，基线模型和Tactile-VLA（无推理）分别为0和15% [33] - 首次尝试3.5N力失败后，通过推理将力增加到6.7N并成功完成任务 [33]