如今，机器人已经展现出惊人的运动天赋，不仅能跳舞，甚至能跑马拉松。然而，它们的“触觉”世界却仍显苍白。作为实现精细化操作或人机交互的重要一环，触觉可以赋予机器人更细腻的温度。试想一下，当你轻轻拍打一只机器手臂，它不仅能精准感知你触碰的位置、力度与方式，还能给出恰到好处的情绪反馈——高兴时会“微笑”，被挠时会“害羞”；甚至在视线受阻的盲区里，它也能完全依靠“身体感觉”轻巧地绕过障碍、重新规划路径。
近期，香港科技大学（HKUST）申亚京教授团队提出了一种机器人全手臂触觉感知与决策方法，研究成果以“Embodied sensorimotor integration for whole-arm tactile sensing and adaptive robotic manipulation”为题，发表于《Nature Sensors》。
01.
一个关于"身体"的讨论
人类在接球、抱婴儿、或是轻轻回应他人的触碰时（图1），从不需要思考——我们的皮肤、肌肉和关节会自然而然地协同工作，感知外界接触的同时，在脑海中构建出自己肢体的位置与运动状态。这种被称为"具身感知驱动"的能力，让我们能够在动态、非结构化的环境中安全、自适应地互动。
图1 人类深度依赖手臂操作
然而，尽管现代机器人拥有越来越强大的视觉系统和计算能力，它们中的绝大多数仍然是"没有身体感知"的。它们可以精准定位，却无法"感受"一次触碰；可以在工厂里重复千万次动作，却无法在人类轻轻推它一把时做出直觉般的回应。一副能够感知自己的"身体"，对现在的机器人仍是一个很大的挑战。
02.
为什么机器人"触摸”不到世界？
传统工业机器人主要依赖视觉（摄像头、激光雷达）或稀疏的关节力矩传感器来感知环境。但视觉存在天然的盲区——当手臂被物体遮挡、当光线不足、当物体透明或反光时，机器人便成了"睁眼瞎"。而安装在关节处的力传感器只能提供极其有限的接触信息，无法捕捉手臂表面大面积的分布式触觉信息，更谈不上解读接触的模式、力度和意图。
近年来，柔性电子皮肤（e-skin）被视为解决这一问题的希望。现有的很多柔性电子皮肤方案已经能够实现大面积、高灵敏度的感知。但是，将传感阵列"贴"或"绑"在刚性机械臂表面，这种外挂式的设计存在新的困境：柔体皮肤和机器人刚性骨架存在刚度不匹配、连接不牢靠的问题，复杂的布线架构容易损坏失效，易受温湿度、电磁干扰影响。更重要的是，这些系统往往停留在"传感"层面——采集了海量高维触觉数据后，如何实时提取有意义的特征、并将其转化为驱动电机自适应调整的动作指令，仍然是机器人领域未解决的问题。
03.
新思路：EmArm的具身感知驱动一体化架构
针对上述瓶颈，香港科技大学电子与计算机工程系、郑家纯机器人研究院及智能制造中心申亚京教授团队，提出了一种新型的机械臂架构：EmArm（Embodied sensorimotor robotic arm）。该系统从人体"骨骼-肌肉-皮肤"的架构中汲取灵感，将大面积软光学触觉皮肤深度嵌入刚性机械骨架内部，实现了刚性运动链与软体触觉感知的原生一体化（图2）。
图2 感知驱动一体化架构
EmArm的上臂和下臂覆盖着超过71,000平方毫米的软体触觉皮肤，内部通过摄像头追踪标记点的亚毫米级位移来解码外力分布。尤为关键的是，触觉皮肤的嵌入并未对机器人的刚性运动链造成任何实质性影响。实验验证表明，EmArm的重复定位精度与传统刚性机械臂处于同一水平；同时，系统可承受超过15公斤的压力负载及7.35 Nm的扭转负载。由此，全手臂触觉感知与高精度驱动能力被无缝整合于同一具身感知驱动一体化架构之中。
04.
类人类手臂的感知性能
EmArm具备与人手臂类似的触觉感知能力：空间分辨率达到0.085毫米，与人体指尖皮肤相当；两点辨别阈值（tactile acuity）最低可达18.2毫米，优于人类手臂皮肤的典型范围（30-50毫米）。这意味着EmArm能够分辨出比人类手臂更精细的接触间距。同时，系统响应时间约为100毫秒，力解码精度达95%以上，且在经过2,000次循环加载后性能无衰减（图3）。
图3 触觉感知性能
而且，这种"光学内感知"方法从根本上消除了电子皮肤的布线困扰，并对电磁、光照、温度、湿度和声学干扰具有天然的免疫性。实验显示，在五种环境扰动下，EmArm的感知保真度仍高达97.9%。
05.
从"感知"到"行动"的闭环算法
为了让EmArm从"传感器"跃升为"智能体"，团队进一步提出了闭环“感知-行动”框架。该框架实时融合了本体感知（关节角度）与外感受（触觉接触），提取接触位移、面积、合力、接触点数等多维特征，驱动电机做出情境感知的自适应决策。
"要实现机器人触觉，除了要从传感器获得准确的原始信号，还有更重要的一点，是怎样快速的解码这些信号，让机器人'知道'这些触觉信息意味着什么，以及该'怎么行动'。"申亚京教授提到，"我们面对的是一个高维度的、随时间连续变化的力场数据流，如果直接用端到端的深度学习，不仅需要海量标注数据，对算力的要求也很高，很难在机器人上实时跑起来。"
为此，团队设计了一套分层解耦的闭环算法（图2）：首先，通过基于规则的轻量级特征提取，将整片皮肤的高维力场"编码"为几个关键的物理量——接触面积、接触点数、合力大小和接触位移。"这有点像人类大脑的感觉皮层，先把原始信号整理成有意义的特征。"申亚京教授解释道。
随后，这些时序特征被送入一个轻量级的深度神经网络中，在约30赫兹的频率下实时识别人类意图或判断物体状态。最关键的是，这些感知结果并非仅供"观察"，而是直接接入运动控制环：当EmArm夹持一个偏心的篮球时，系统会将实时触觉特征与预学习的策略基线进行比较，动态生成电机角度指令，不断调整上臂和下臂的施力，直到实现力平衡（图4）。"它不是先想好了再动，而是像人一样，在接触中持续感知、持续调整，这就是具身感知驱动系统的核心。"唐一峰博士补充道。
图4 机器人自适应夹持偏心篮球
06.
情感交互、自适应全臂操作与智能避障
研究团队在三项典型应用中展示了EmArm的应用潜力。在人机交互场景中（图5），EmArm能够通过识别抚摸、捏掐、戳刺、挠痒、击打等五种触碰手势，实时判断人类意图并做出快乐、悲伤、好奇、害羞或生气的表情反馈，识别准确率高达99.8%。
图5 基于触摸的人-机器人交互
在操控任务中，当篮球以偏心状态放置于手臂上时，EmArm通过全手臂触觉反馈与力控制，自主调整姿态将不稳定物体稳定夹持（图4）。更具挑战性的是轨迹重规划实验：当视觉不可见的动态障碍物（如人手）突然出现，EmArm能立即通过触觉检测紧急停止，判断障碍物的临时性或永久性，并自主重新规划路径绕行，展现了在视觉遮挡、非结构化环境中的智能（图6）。
图6 在不可预测环境下的实时轨迹重规划
07.
“触觉”是迈向物理智能的关键一步
EmArm不仅是一项传感器技术的进步，更是一种机器人设计范式的转变——从"外挂感知"走向"内生智能"，从"视觉独大"走向"多模态融合"。研究团队表示，该架构可自然扩展至机器人腿部、躯干等部位，为人形机器人在家庭服务、协作工业、医疗辅助等场景中的安全自适应交互奠定基础。当机器人真正拥有"物理智能"的那一刻，人机共生的未来，或许就不再遥远。
【关于研究团队】
本研究由香港科技大学申亚京教授领导的人机智能与系统实验室Mevita Robotics Lab（https://mrl.hkust.edu.hk/）完成，论文其他作者包括实验室的博士后唐一峰（第一作者）、李根、任豪，在读博士生印天慈、凌征榕、赵浩翔、张蕊佳，和前实验室毕业生张铁山教授（深圳大学人工智能学院）、杨柳教授（南开大学人工智能学院）。该项目的开展，获得国家科技重大专项“脑科学与类脑研究”、广东省基础与应用基础研究基金、香港创新科技署和香港科技大学研究转化基金支持。
原文链接：https://www.nature.com/articles/s44460-026-00097-1
研究简报：https://www.nature.com/articles/s44460-026-00112-5
免费访问链接：https://rdcu.be/fuxEl
实验室链接：https://mrl.hkust.edu.hk/
