「超級光電皮膚」讓機器人不僅「有觸覺」，更「懂觸覺」

轉自：中國科學報

人類的皮膚能夠通過觸覺分辨物體的形狀、大小、質地、温度、濕度等屬性。隨着機器人逐漸向智能化發展，未來，機器人是否也能像人類一樣「感受」外界物體的温度、材質、甚至表面細膩的紋理？

近日，來自清華大學深圳國際研究生院副教授丁文伯團隊聯合產業界及多所國內外科研機構，開發出了名為SuperTac的多模態高分辨率觸覺傳感技術，併成功將該技術集成在僅為1毫米厚的薄膜上，如同讓機器人穿上「超級光電皮膚」，賦予機器人同時感知力度、位置、温度、材質、紋理、顏色、振動、滑動、碰撞、接近感應等10 種感知能力，識別準確率達到94%以上。相關研究成果發表於《自然—傳感器》上。

這項技術不僅突破了以往觸覺傳感器功能單一與精度難以兼得的困境，其搭載的觸覺語言模型DOVE更能讓機器人「聽懂」並「說出」觸覺感受，為人機交互打開了全新的大門。

擁有10種感知能力的「超級光電皮膚」

人形機器人、工業自動化、家用智能設備等領域的快速發展，機器人已不再侷限於單一任務執行，它們通過視覺、聽覺等感知技術來感知、理解和應對外部環境。然而，機器人在觸覺感知方面的技術長期面臨「想要功能多，精度就差；想要精度高，功能就少」的兩難局面。

傳統機器人的觸覺感知技術主要基於電子皮膚和視覺傳感器兩種方式，然而電子皮膚功能多但分辨率低，視覺觸覺傳感器分辨率高但功能單一。就像「盲人摸象」，有的只能感知温度，有的只能感知壓力，需要好幾種傳感器拼接在一起才能勉強還原物體的全貌，既笨重又不準確。

「當時，我們嘗試從光學的角度來解決這個難題。一種非常聰明的生物——鴿子進入了我們的研究視野。」論文通訊作者、清華大學深圳國際研究生院副教授丁文伯介紹，與人類眼睛的三種感光細胞相比，鴿子的眼睛具有4種感光細胞，能看見包括紫外線在內的廣闊光譜，其視網膜內還含有能感知地球磁場的特殊蛋白，為它們提供了獨特的磁導航能力。

受鴿子視覺系統的啓發，研究人員開發出了一種多模態高分辨率的觸覺傳感器（SuperTac）。他們通過模仿鴿子眼睛的多光譜感知原理，設計了一套能夠同時捕捉紫外線、可見光、近紅外光和中紅外光四個波段的成像系統。其中，可識別的不同光線波段分工不同：可見光用來識別顏色和紋理，紅外光用來感知温度，紫外光則用來追蹤皮膚上的熒光標記點從而計算受力情況。這套成像系統就像是給機器人配了一臺「全綵夜視儀」，不僅能看到表面，還能看到物體的顏色、温度分佈、內部形變等多維的信息。

爲了實現這些多維信息的同步採集，研究人員在傳感器的表面製備了僅為1毫米厚的薄膜，這層薄膜集成了四層結構：其中，最外層是導電層，通過摩擦起電來識別材質；第二層是可以控制不同光線進出的光學單向膜；第三層是嵌有熒光標記點的透明硅膠，用於捕捉細微形變；最底層則是可充氣的硅膠層，能像氣墊一樣通過調節氣壓來改變軟硬度。

「這四層結構配合起來，就像給機器人穿上了‘超級光電皮膚’，能夠實現力度、温度、材質、形變等多種信息的同步採集。」丁文伯介紹。

讓機器人不僅「有觸覺」，更「懂觸覺」

"這是一個黃色的陶瓷杯，表面光滑，温度略高於室温。"在清華大學深圳國際研究生院的實驗室里，研究人員正在通過靈巧手測試他們最新提出的機器人視觸覺傳感器技術。集成了SuperTac的靈巧手觸摸杯子后，就能準確說出杯子的顏色、材質、温度等信息。

除了給機器人穿上「超級光電皮膚」，研究人員還開發了擁有85億參數的觸覺語言大模型DOVE（鴿子），它就像機器人的「觸覺翻譯官」，當傳感器收集到的圖像和數字信號后，DOVE能夠將這些信號翻譯成人類能懂的語言。

「比如，我們給機器人發出一個指令：‘幫我找一個軟的、温暖的東西’，機器人就知道要去觸摸不同物體，並根據柔軟度和温度來判斷。或者説‘小心，這個很脆’，機器人就會自動調整抓取力度。簡單説，DOVE讓機器人不僅‘有觸覺’，還更‘懂觸覺’，真正實現了人機之間的自然交流。」丁文伯介紹。

實驗結果顯示，該技術在多指靈巧手上的感知和識別任務上表現出色。例如在「盲抓」任務中，機器人在完全無視覺引導的情況下，僅憑觸覺就能從一堆混雜物品中準確找出指定目標，如從水果箱中識別出蘋果，成功率高達92%。在對50種不同材質如金屬、塑料、木材、織物等的觸摸分類任務中，綜合識別準確率達到了94%。

此外，集成了SuperTac技術的靈巧手還能快速檢測物體表面的温度分佈異常，例如定位電路板上的過熱元件，展現了在工業質檢和食品安全領域的應用潛力。

丁文伯介紹，這些觸覺感知能力的展現，讓SuperTac在具身智能和人形機器人領域有廣闊的應用前景。針對當前機器人缺乏精細的觸覺感知能力的問題，該技術有望讓機器人不僅「能看」，還能「真正感受」。此外，在智能製造、農業自動化等領域都有廣闊應用空間。比如在極端環境下進行設備維修、在黑暗中進行搜救作業，SuperTac的多模態感知能力都能發揮獨特作用。

「當然，我們清晰地認識到，一項技術從實驗室走向實際應用還面臨一些挑戰。」丁文伯指出，首先是成本問題，目前多光譜成像系統與精密加工的製造成本較高，需要通過優化工藝和材料，以達到工業界可接受的水平。其次是耐用性驗證，實驗室與真實工業環境差別較大，該技術在高温、低温、粉塵等惡劣條件下的應用有待測試驗證；此外，不同應用場景需要針對性地優化算法模型。未來，研究團隊也將在這些方面展開探索和優化。

相關論文信息：https://doi.org/10.1038/s44460-025-00006-y