技术深度解析
复旦团队攻克的核心技术挑战，是将高带宽触觉感知与实时决策相融合。传统的机器人触觉传感器，例如基于压阻或电容材料的传感器，普遍存在空间分辨率低（通常为1-4个触觉单元/平方毫米）和读取速率慢（低于100Hz）的问题。该团队开发了一种新型传感器，其设计灵感来源于人类皮肤的机械感受器，采用柔性仿生结构。他们的传感器阵列实现了超过10个触觉单元/平方毫米的空间分辨率和超过1kHz的采样率，能够捕捉精细的表面纹理和瞬态力事件。
在软件层面，该系统采用了一种多模态Transformer架构，将触觉数据与来自RGB摄像头的视觉输入相融合。该模型利用交叉注意力层对齐触觉和视觉特征，使机器人能够在物理接触之前预测物体属性（例如，“这个表面很滑”或“这个物体可变形”）。这对于抓取易碎物体或将销钉插入紧密孔洞等任务至关重要。该团队已在GitHub上以`tactile-world-model`仓库名开源了其部分触觉数据集，该仓库已获得超过2000颗星标。该数据集包含1000个物体的50万个带标签的触觉-视觉配对数据，涵盖了硬度、摩擦系数和导热系数的测量值。
| 传感器属性 | 传统传感器（例如Tekscan） | 复旦团队传感器 | 人类皮肤（参考） |
|---|---|---|---|
| 空间分辨率 | 1-4 触觉单元/平方毫米 | 10-12 触觉单元/平方毫米 | 约50 触觉单元/平方毫米（指尖） |
| 采样率 | 50-100 Hz | 1,000 Hz | 约400 Hz（机械感受器） |
| 力测量范围 | 0.1-10 N | 0.01-20 N | 0.01-100 N |
| 耐久性（循环次数） | 10⁵ | 10⁷ | 不适用（生物组织） |
数据解读： 复旦团队的传感器在采样率上已超越人类皮肤，在空间分辨率上接近人类皮肤，同时提供了远超生物组织的耐久性。这使得它非常适合需要连续工业应用的场景，而人类触觉在这种场景下会因疲劳而失效。
另一项关键创新是他们的“触觉记忆”模块——一个小型神经网络，能够随时间存储和检索物体的触觉特征。这使得机器人仅凭一次先前的交互，就能通过触摸识别物体，从而在没有视觉线索的情况下，完成诸如按表面光洁度分拣混合批次组件等任务。该团队已在Franka Emika Panda机械臂上进行了演示，在每种织物仅经过一次训练后，区分20种不同织物类型的准确率达到了97%。
关键参与者与案例研究
该初创公司的创始团队包括三位核心成员：领导传感器硬件开发的李伟博士，他曾是复旦大学类脑智能科学与技术研究院的博士后；专注于多模态学习的陈雨欣博士，她曾是上海人工智能实验室的研究员；以及担任首席科学顾问的张明教授，他是复旦大学信息科学与技术学院的终身教授。该公司还从以“灵巧手”闻名的Shadow Robot Company聘请了两位工程师，负责将他们的传感器集成到仿人夹爪中。
触觉领域内的竞争方案差异显著。下表将复旦团队的解决方案与其他知名项目进行了比较：
| 公司/项目 | 技术路线 | 关键指标 | 融资阶段 | 目标应用 |
|---|---|---|---|---|
| 复旦团队（本初创公司） | 高分辨率柔性传感器 + 多模态Transformer | 10 触觉单元/平方毫米, 1 kHz | 天使轮（1400万美元） | 工业装配, 手术 |
| GelSight（MIT衍生公司） | 凝胶基光学触觉传感器 | 1-2 触觉单元/平方毫米, 30 Hz | B轮（2500万美元） | 质量检测, 机器人 |
| SynTouch（USC衍生公司） | BioTac仿生指尖 | 19个电极, 100 Hz | A轮（1000万美元） | 假肢, 研究 |
| Meta（FAIR） | DIGIT传感器（开源） | 0.5 触觉单元/平方毫米, 60 Hz | 内部研发 | 通用机器人研究 |
数据解读： 复旦团队的传感器在分辨率和速度上，相比现有的商业和开源替代方案，均实现了数量级的提升。其天使轮融资在触觉传感器领域也显得格外庞大，表明投资者对其硬件+AI一体化方案抱有强烈信心。
该初创公司已与两家中国主要电子制造商（富士康和比亚迪）签订了试点项目，用于智能手机组件的精密装配。在一项测试中，他们的机器人在插入SIM卡托盘（一项需要检测细微对准力的任务）时，成功率达到99.2%，而纯视觉系统的成功率仅为94%。他们还在与上海仁济医院进行早期洽谈，合作开发一款能够通过触诊区分健康组织和肿瘤组织的手术辅助机器人。
行业影响与市场动态
这轮融资的时机具有战略意义。全球触觉传感器市场在2024年估值21亿美元，预计到2030年将增长至58亿美元，这一增长受到以下因素的驱动：