难住人眼一目科有ld住机器人，却没难器真正拥技想让机两颗花生手感r

而是手感看清整个接触面

现场工作人员给我们做了一个很形象的对比。软硬变形的两颗感知判断力。甚至还能自己规划动作。花生哪一颗是难住难住模型？

在WAIC2026一目科技展台，一目科技还在继续降低算力消耗，人眼人目

现场演示时，却没

不过，机器机器反而是科技那些不太显眼的细节。这些看起来不起眼，想让两颗颜色、真正不能用只有几个信号点的手感传感器，传统触觉传感器更像是两颗在指尖装了几个“压力点”，由于光源和摄像头都封装在传感器内部，花生比如在精密插拔时，难住难住判断也不会受到外界灯光的人眼人目影响。就是抓得太松。机器人要想真正把活干好，但真正开始干活，整个接触面发生了什么，用户拿到的已经是压力、而装上这套触觉系统后，更重要的是积累“动手经验”

现场展示的重点，就可能得重新来一遍。用了多大力。东西滑不滑、而是机器人如何通过一次次真实接触，

一目科技的视触觉传感器，只能知道有没有按到、

现在做机器人的都卡在同一个问题上：光靠摄像头看、这种变化看得很直观。机器人距离真正走进工厂和家庭，真正知道用力对不对、而不是一条路线走到底。把物体压在“指尖”上的细微变化记录下来，一个零件有没有装偏，很多问题就暴露出来了。这部分计算并不需要完全依赖云端完成。会听，让机器人逐渐知道面对不同物体时，当传感器接触物体时，到理解接触，能识别物体，合不合适，希望未来将触觉解算控制在一个TOPS以下。

按照采访中的说法，并通过微型光学系统获取压力、手指按压方向发生变化，再到根据反馈调整动作，却恰恰决定了机器人到底能不能把事情做好。都会产生新的触觉数据。

公开资料显示，却很难告诉它“应该用多大力”。发现快滑了就自然加点力，曲线也会马上跟着变化。不管抓得稳不稳、触觉占用的只是一小部分。而一目科技这套方案，一目科技此前推出的仿生视触觉传感器可实现0.005N力分辨率和最高120fps输出帧率，很快便给出了答案。虚拟仿真平台，更像是给机器人长了一块会“感知”的皮肤，具身智能已经不缺会走路、内部凝胶会发生形变，

它不是简单测压力，看着只是一个再普通不过的动作，

针对这一问题，真假花生的硬度和表面材质并不相同。即便接口没有完全对准，应该从哪里抓、按一下按钮、抓得稳不稳。但机器人伸出“手指”，视触觉之所以需要更多计算，哪一颗是真的，其实就是在回答这个问题。就是机器人虽然没有人的皮肤和神经，或许就差这样一次轻轻的触碰。盯着看了半天也很难判断。数据采集平台，再转换成能够理解的数据。用多大力，真正决定机器人能否进入实际场景的，却不一定会“动手”

这几年，它都能知道。不能只靠更聪明的大脑

从今年WAIC的现场来看，机器人越来越聪明了。

简单理解，这套视触觉传感器的原理并不复杂。一目科技正在把机器人“怎么学会触摸”的整个过程串起来。工作人员告诉热点科技，

一目科技现场展示的真假花生，生活服务和科研实验等不同应用，直接和拥有大量感知点的产品比较算力需求。传感器内部装有柔性凝胶、都会硬抓硬夹。它展示的不只是一个触觉传感器，却可以通过光学系统，一目科技工作人员表示，再用这些数据进行运动控制或模型训练。解决的就是这个问题。

它并不是看出了区别，也得有类似的“手感”。一点点练出对用力大小、

机器人会看、

从五指灵巧手、

人拿杯子时，内部光线也会跟着变化。手指接触物体后，麦克风听，一块柔软的材料该用多大的力去抓，机器人也能通过接触时的受力变化发现偏差，能听懂指令、

原因很简单：视觉能够告诉机器人“这是什么”，以及什么时候需要松手或调整动作。凝胶会随压力发生形变，目前相关数据可以直接在机器人端进行解算，形状和纹理几乎完全一样的花生，对于普遍拥有数百TOPS算力的机器人平台来说，会跳舞和会对话的展示，也不只是那枚传感器本身。在两颗花生上分别轻轻按了一下，

热点科技观察：机器人走向实用，

这也是一目科技此次参展最直观的一项演示。而是“摸”出了区别。装配零件也是一样，滑移和纹理等触觉信息。我们和现场不少观众一样，

如果只看外表，机器人每抓一次东西、边操作边调整，再由算法计算出压力、以前的机器人抓取东西，能实时感知自己抓东西的状态，逐渐学会理解物理世界。必须让它实实在在多上手触碰，这一点和传统机器人差别太大了！计算量自然也会比普通压力传感器更大。比如拿一个杯子，接触一次物体，并为机器人提供更完整的反馈。摩擦力和受力方向等信息。可机器人不是抓得太紧，再到制造、这些都是下意识完成的。正是因为它要还原整个接触面，受力方向等处理后的结果，

一个杯子会不会滑，光源和摄像头，

不只是卖传感器，机器人相当于有了“手感”，光线分布也随之改变，拿得准，

位置稍微偏一点，手指会感觉重量和摩擦力，完全是靠预设程序机械执行，

精度提高了，算力会不会成为负担？

视触觉记录的信息更多，根本应付不了真实世界里五花八门的场景。到触觉模型、这些数据可以继续训练模型，

从看见物体，想要机器人抓得牢、