机器人“手”有多稳?拿水杯不瘪不漏

　　帕西尼联合创始人聂相如(左)给南都记者介绍“触觉感知操作系统”。

　　工业场景是标准化的“数据金矿”，我们得先在这里把触觉的“基本功”打牢，将来才有可能让机器人在厨房里炒菜、在客厅陪老人聊天。

　　——帕西尼联合创始人聂相如

　　机器人缓缓伸出一只手，稳稳拿起桌上的一次性水杯——没有挤瘪杯壁，也没有洒出一滴水。

　　这是发生在帕西尼感知科技(深圳)有限公司的一幕。与市面上大多数追求“能走会跑”的人形机器人不同，这家位于深圳的机器人公司，选择从“手”出发，专注研究机器人的触觉能力——也就是让机器人不只能看、能听，更能“摸”得准、拿得巧、感知细微差异。

　　“如果机器人连是玻璃还是棉花都分不清，怎么指望它们去做倒水做家务这些真正落地的工作?”帕西尼联合创始人聂相如并不讳言行业痛点。在聂相如看来，机器人必须掌握的触觉感知，“就是要能摸出一块布是爱马仕，还是地摊货”。

　　“四指”灵巧手 “触觉+视觉”融合，掌心内嵌摄像头

　　当“双足会走”的机器人越来越多，这家成立于2021年的公司却在用“灵巧的四指”另辟蹊径——试图补上具身智能时代的“触觉缺位”，让机器人真正拥有“神经系统”。

　　帕西尼正在推进的“触觉感知操作系统”:包括ITPU多维触觉芯片、四指灵巧手、微型视觉模组与数据驱动模型组成的软硬件一体化方案，瞄准的是工业场景中最难替代的人手动作，和那些传统自动化难以适应的精细任务。

　　“没有手，机器人什么也干不了。”在采访中，聂相如多次强调这句话。相比视觉、语音，触觉的技术体系远未成熟，但在他看来，“机器人能不能‘优雅地’把一杯水倒进玻璃杯里，这个最后50公分的动作才是真正的门槛”。

　　早在2021年，帕西尼就开始专注于机器人触觉系统的研发，团队核心成员来自日本早稻田大学，是最早系统研究人形机器人“手部感知”的团队之一。他们自主研发了ITPU多维触觉传感系统，能够感知力觉、滑觉、温度、材质等多个维度的信息——“不是简单地能‘按’一下，是要知道你手上摸着的东西，是铁，是玻璃，还是布。”

　　不过，帕西尼没有盲目追求“仿人五指”，而是精简为“四指”灵巧手。“我们做过拆解，85%的工业场景只需要四根手指。”聂相如解释，“砍掉一根指头，成本直接降低20%，这就是为什么我们选了‘四指’，它对工业应用来说是最优解。”

　　触觉系统不是孤立的硬件，而是完整的软硬件协同方案。帕西尼的灵巧手在掌心内嵌摄像头，通过“触觉+视觉”融合，能有效避免因角度遮挡带来的识别失误，同时提升复杂操作的稳定性。比如在物流仓储场景下，它能自主判断并完成扫码、贴标、分拣等动作，无需额外人工干预。　　

　　构建“触觉数据库” 用工业场景里的真实数据训练大模型

　　在帕西尼的深圳展厅里，记者见到了这样一个应用画面:帕西尼的机器人正在用四指灵巧手完成贴标签的动作，力道稳定，位置精准。

　　不仅是展厅演示，帕西尼的产品也已经进入实际场景。聂相如介绍，搭载帕西尼触觉系统的人形机器人已在部分深圳地铁站承担安检任务。“比如乘客提着水壶进站，我们的机器人要判断它是物品，不是障碍物，要不要拦?拦下来之后要检测什么?一切操作都是要靠‘动手’来完成。”他说，这不是炫技，而是效率问题，“人站三小时会累会懈怠，但机器人无感，而且数据也能沉淀下来。”

　　触觉的意义不止于动作完成，更是数据闭环的起点。据悉，帕西尼正构建“触觉数据库”，用工业场景里的真实数据训练大模型，让机器人形成对“如何用手”的理解。正如聂相如所说，“不是我告诉你怎么做，而是你自己看了1万个工人怎么贴标签、怎么打螺丝，你学会了。像刷一层‘经验值’进去”。

　　从“能看、能听”到“能触”，触觉正在成为人形机器人迈向通用智能的“最后一公里”。当前主流人形机器人大多已配备高性能摄像头和语音模块，在识别与反馈层面取得了阶段性突破。但若想真正深入工业产线、服务场景甚至家庭生活中，仅靠视觉和语音显然不够。

　　不过，虽然重要性日益凸显，触觉感知仍是当前机器人系统中最为薄弱的一环。一方面，传统触觉传感器存在分辨率低、信息维度单一、数据不稳定、价格昂贵等技术瓶颈；另一方面，行业尚未形成统一的数据标准与算法框架，导致不同厂商间产品不互通、模型难迁移，触觉尚未像视觉、语音一样形成完整生态。

　　高端触觉传感器目前依旧以欧美技术为主导，占据80%以上市场份额，价格高企，一定程度上制约了下游机器人产业的普及。尤其在人形机器人赛道中，触觉传感器不仅是灵巧手核心组件，更关乎整机执行任务的可靠性与安全性。因此，无论是华为、特斯拉，还是初创公司，均已将“高精度触觉感知”视为继大模型、算力之后的下一个核心突破口。

　　迈出工业场景难度高 并不是技术不够好 而是“数据不够用”

　　在机器人能“走路”的2024年，几乎所有人都在追问同一个问题:它什么时候能“干活”，特别是在家庭场景中?在聂相如看来，短期内难以实现，但未来可期。

　　“家庭环境就像一场混沌的实验，每一户人家的桌椅摆设、插座位置、使用习惯都不一样。”聂相如表示，这也是为何帕西尼始终没有急于抢滩C端市场，而是坚定选择从工业场景切入，用标准化数据做起点，“因为只有先把机器人养大，才谈得上让它进家门”。

　　除了家庭场景，还有许多生活中的应用场景可以被机器人替代。以中医诊疗为例，帕西尼曾参与相关机构的研究项目，尝试将机器人应用于中医“望闻问切”中的“切脉”动作。他们的触觉传感器能分辨微小的脉搏波动，并结合视觉识别完成初步判断。这一探索尚处于早期阶段，但已为机器人医疗辅助打开了想象空间。

　　不过，迈出工业场景、进入非结构化环境的难度远比想象中大。聂相如坦言，“一台机器人在车间里可以干得很好，但放进一个充满宠物、孩子、袜子拖鞋的家，它可能就会变得很‘笨’”。这并不是技术不够好，而是“数据不够用”。

　　为此，帕西尼也在构建自己的数据库。他们一方面通过整机部署积累标准化任务数据，另一方面计划与更多真实场景合作，逐步扩大机器人的适应能力和泛化能力。他们的目标，是用足够多的真实数据训练出一套具身智能模型，“不是靠一两个demo，而是真能适应各种‘家’的变化”。

　　帕西尼不是唯一在这样思考的公司。从宇树科技到星动纪元、智元机器人，再到国际上的特斯拉、波士顿动力，几乎所有人形机器人厂商都意识到，未来比拼的不只是腿脚有多灵活，而是脑子能不能理解任务，双手能不能干出人类熟练工的水平。在聂相如看来，机器人真正落地的路径，并非炫技表演，而是一次次“打螺丝”“拧瓶盖”的重复训练。　　

　　策划:王莹

　　统筹:李颖

　　执行统筹:程洋

　　采写:南都·湾财社记者 严兆鑫

　　摄影:叶浩程