你敢让机器人给你按摩吗？在今年的WAIC上，我们体验了一把之后，发现居然还挺舒服的。而这台按摩的机器人，很大的不同在于，它搭载了触觉传感器。
黄仁勋说，“触觉”是具身智能的最后一块拼图，真是如此吗？机器人有了触觉后，真的能更强大吗？干活会更聪明吗？如果答案是肯定的，那么为什么目前大多数机器人都还没有触觉？市场上有哪些路线与冲突呢？
这篇文章，跟我们一起走进实验室，去看看触觉传感器的前线研究。也来聊聊，如今机器人的触觉，发展到什么程度了。
本文为视频改写，欢迎大家收看以下视频
第一个问题是，机器人为什么需要触觉呢？我们不妨先看一个案例。
在一堆花生中，有几个是假的，如果只能看，不能摸，人是非常难分辨出来的。而搭载了触觉传感器的机器手，却能将假花生都挑出来。
只要能上手摸，人也能很快分辨出来。因为假花生是石头做的，表面更冰凉、更光滑，重量更重，还是实心的，摇起来没有真花生中果粒的振动感。
这就是触觉的重要性，因为现实中有很多任务，无法单纯的通过视觉来完成。
李智强Eric
一目科技创始人兼CEO
行业里做过一些实验，比如把正常人的手打一些麻药，让触觉感知神经短暂麻醉后，人手对于一些操作就会失灵，包括拧东西、抓握甚至系扣子等。
你可能会疑惑，一些没有触觉的机器人，不是在很多任务上的成功率都很高了吗？但业内人士指出，成功率高，并不等于可用性强。
于弢
亚德诺半导体（美国）人工智能总监/灵巧AI负责人
只用视觉时，机器人可以放慢速度，每次微调1毫米，不断尝试后总能完成任务。所以如果只看成功率，这其实是个伪命题。在这种情况下，力非常重要。例如，握东西要多紧、两个物体是否咬合，拧螺丝时不能等到螺丝拧花才意识到力过大。做柔性操作时，每根线的软硬度和材质也都很重要。
触觉到底是什么呢？它听起来是一种感觉，但我们把它拆开看，会发现它包含两种不同维度的信息：一类是对“力”本身的感知，另一类是对“形态学”的感知。
其中，力的感知还分为静态力和动态力。静态力，是抓握物品时，手指持续施加的压力，它告诉你：捏得够紧吗？物体有多硬？动态力，是物体滑动时产生的高频信号，它告诉你：是不是要掉了？摩擦力够不够？
而形态学的感知，就是对不同材料的分辨，比如通过触摸分辨苹果和橘子，就得判断表面是光滑还是粗糙，摩擦时的振动频率等等。这么多复杂的维度，放在机器身上该如何识别呢？
▍五种路径
目前市面上的方案主要有五种：压阻式、压电式、电容式、光学式和磁感应。
第一种是压阻式，这是最传统、最成熟的一条路线，材料受力后发生形变，电阻值发生变化，通过测量电阻变化来反推压力，常用的电子秤就是这个原理。
它最大的优势是成熟、便宜、技术门槛低，但是它只能测垂直方向上的力，而且会随着温度、湿度产生漂移。
第二种是压电式，一些特殊材料，比如石英、PZT陶瓷受力时，内部正负电荷中心发生偏移，从而产生电压信号，就像打火机的放电器。
它最大的特点是，只对变化的力敏感，就是你按下去的一瞬间，它会产生一个电压信号，但如果你一直按着不动，信号会慢慢衰减到零，松开的时候，又会产生一个反向的电压信号。所以压电式非常适合检测振动、冲击这类高频动态信号，却难以测量静态力。
前面两种都是直接把“力”转化成“电信号”，后面三种则是把“力”转为了“形变量”，然后测形变程度。这样做的一大好处就是，不再只局限在垂直方向，而是能检测出三维的力。
电容式的原理就是平行板电容器，当材料受力时，弹性材料会形变 ，比如按下去的时候，上下两层更近了，电容变大，此时就能测量垂直方向的力；或者滑动的时候，板面积变化，电容也变化，能感受到平面上的力。它的优点是灵敏度极高、响应速度快，而且成本相对较低，但问题在于动态范围有限，同时容易受到电磁干扰。
第四种是光学式，也叫视触觉。它是在传感器最上层覆盖一层柔性材料，接触到物体时会产生形变，材料背面有照明层，而藏在最底下的摄像头会实时检测材料的状态，通过算法反算出形变量，再换算成力的分布，因此这是一种可以同时解算接触形貌和接触力的传感器。这是目前行业最热门的方式，也是精度最高的方式，但成本较高。
第五种是磁感应，这种方式结构和光学式类似，只是表面的弹性材料加入了磁性颗粒，去掉了中间的照明层，底部的摄像头变成了磁传感器，这样表面弹性体变化时，磁场也变化，底部传感器捕捉变化后，反算出形变量，同样能推算出三维力。但磁感应容易受电磁干扰，周围的磁场环境会影响精度，而且分辨率有限。
还有一些其他不太常用的方式，比如磁流体、超声等我们就不详细说明了。以上不同方式各有优劣，我们采访嘉宾认为，对于机器人的触觉来说，多传感器结合或许是更好的方案。
▍多传感器结合
我们除了手指外，其他每一寸肌肤，都是有感知的，如果机器人想做到人类的水平，是不是也需要全身布满触觉呢？
但如果全身都用最好的技术，那成本就很难控制了，而且不同部位的要求不一样，同一种技术路径也难以适用全身。比如指尖的精度要求非常高，使用光学式的方案就能达到更高分辨率，但如果是手掌、手臂等其他部位，精度要求没那么高时，用昂贵的光学式就不划算了。
于弢
亚德诺半导体（美国）人工智能总监/灵巧AI负责人
手掌、手臂等部位的面积也比较大，比如我们考虑视触觉方案，光学模块的设计就会非常的困难，但是如果我们使用压阻式或电容式，它就比较容易覆盖这么大的面积。
在一些比较简单的应用场景下，也可以选择精度不那么高的路径。比如我们在WAIC展会上，就看到一些采用电容式的触觉传感器，已经被批量用于工厂的产品分拣与检测，原因就在于成本相对较低，与精度最高的光学式相比，采购价只有四分之一到二分之一。
而且，即使是同一个部位，未来也有机会融合多种技术，但前提是技术足够成熟。
于弢
亚德诺半导体（美国）人工智能总监/灵巧AI负责人
电容式灵敏度很高，但问题在于，材料被压紧后，对力的感知范围会非常有限。但是压阻是一种，必须硬碰硬的一种技术。因此，两种技术结合是一个可行的方案，但制造工艺、良率和量产能力能否跟上需求，仍是问题。现阶段，大家还在尽力完善单一技术路线的缺陷。
除了力的感知，广义的触觉还包括振动、材质感知等等，这就得依靠其他传感器来补足。比如人类想分辨丝绸和棉布时，会通过触摸加滑动的方式来产生振动，来感知材质的细粒度，到了机器人身上该怎么做呢？
于弢
亚德诺半导体（美国）人工智能总监/灵巧AI负责人
我们会加入加速度计或麦克风这种传感器，能够更有效地捕捉到高频振动产生的信号。
所以完整的触觉方案，不是只选一种技术路线就完事了。
目前行业里最前沿、精度最高的，就是光学式，我们的采访嘉宾Eric所创办的公司一目科技，也是选择了这个方向，接下来，我们就走进他的实验室，探究下光学式的原理。
2000年前后，一批研究人员开始尝试一个大胆的想法：触觉，能不能也像视觉一样，被摄像头“看见”？
其中最具代表性的探索之一，是来自MIT教授Edward Adelson领导的团队，他们在2009年提出了GelSight，让机器人第一次拥有了类似“视觉”的触觉能力。
光学式最显著的优势是分辨率高，甚至已经超过了人类。
李智强Eric
一目科技创始人兼CEO
人的一个指尖大约1平方厘米，上面布了3000个触觉的感知点。每一个点下面有四个不同的nerve（神经元），就相当于12000个不同的神经元在去做感知。而我们的传感器现在可以做到24万个点，已经超过人了。
但是呢，代价也不小，接下来我们从材料、结构、算法、成本四个方面详细说说。
▍材料
首先是材料，有三大要求：
第一是特别软，业内称为“杨氏模量”低，这样才能通过细致的形变，精确反映物体硬度和力度；
第二得耐磨，不然日常执行任务久了，就会出现性能漂移或者破损；
第三要尽量薄，才能尽可能缩小整个传感器尺寸，扩大应用场景。
而这三点却天然对立，无法同时满足。
李智强Eric
一目科技创始人兼CEO
我们一直说这是个“不可能三角”，但我们只能找平衡，或者找一些新的方法，能不能把某些的变量给的约束条件去掉或者减弱。
接下来，我们到材料实验室看看新材料的研发过程。
材料工程师
一目科技
这里是我们做配方研究的实验台，大部分原材料都是液态的，种类很多。我们把