物理AI正在推动新一轮工业革命，将人工智能从纯粹的数字能力转变为能够感知、交互并在物理世界中运行的智能力量。
近年来，视觉与语言模型使机器能够识别图像、理解指令并生成内容。然而，随着机器人走进真实世界环境——从工厂、仓库到医院和家庭——核心挑战已不仅仅是机器人能否"感知"和"理解"世界，而是它们能否可靠地与世界交互并在其中运作。
机器人需要抓取、组装、运输、检测，并与人类协作。它们还需要感知接触、压力、摩擦、形变和材料状态。因此，物理AI的下一阶段不会以构建更大的模型为核心，而是要发展更丰富、更全面的物理感知能力。
随着机器人从实验室走向大规模工业部署，这一转变正变得愈发迫切。
根据国际机器人联合会发布的《2025年世界机器人报告》，目前全球有近467万台工业机器人在运行，年安装量预计从2028年起将超过70万台。世界经济论坛《2025年未来就业报告》也指出，到2030年，当前22%的工作岗位预计将经历结构性转变。
尽管需求加速增长，工业自动化仍面临严峻瓶颈：能够在复杂真实环境中安全、可靠、自适应运行的系统严重短缺。
视觉感知局限催生触觉需求
当前机器人系统的根本瓶颈之一，在于对视觉感知的过度依赖。在遮挡、反光表面、低光照条件、透明物体、柔性材料和精密装配等场景下，视觉数据的可靠性会显著下降，难以支撑精准操控。
触觉传感则能直接反馈接触、力和形变信息，弥补这些关键感知缺口。ACTOR的研究也表明，触觉传感不受物体透明度影响，能提供更可靠的物体形状和方向信息。因此，触觉感知已成为机器人在真实世界中安全、可靠、自适应运行的关键能力。
工业实践已经证明了触觉智能的必要性。亚马逊的仓储机器人Vulcan被设计为在处理货架上的复杂物品时结合视觉与触觉。据《连线》杂志报道，Vulcan利用力信号理解接触状态，已部署在德国汉堡和美国斯波坎的履约中心。据《The Verge》报道，Vulcan能够处理约75%的仓库物品。这表明，触觉是提升机器人在杂乱、拥挤、不可预测的真实环境中可靠性的必要能力。
硬件、数据与模型的三位一体
触觉智能并非单一的传感器技术，而是涵盖硬件、数据与模型的集成系统能力。触觉硬件采集接触力、形变和材料状态等物理信息；数据平台将真实的人机交互和机器与物体的交互转化为训练和仿真资产；具身模型则利用高质量触觉数据学习更鲁棒的操控策略。
以GR00T N1为代表的机器人基础模型表明，机器人学习已在融合真实轨迹、人类视频和合成数据。未来，高质量的触觉交互数据有望成为提升机器人泛化能力的核心补充来源。
如何以更高效、更低成本的方式采集具身AI数据，仍是Xense Robotics等公司正在攻克的难题。Xense研发了一款可穿戴数据采集设备，可将数据采集成本降低80%以上。在数据质量方面，该公司建立了专有数据质量标准，并开发了内部数据后处理引擎，将人工数据清洗成本同样降低了80%以上。其自研的VTLA（视觉-触觉-语言-动作）具身AI模型，则将这些数据转化为机器人的实际操控能力。
硬件-数据-模型的闭环至关重要，因为物理AI必须同时解决三个问题：可靠接触、复杂操控和环境适应。可靠接触意味着判断物体是否在滑动、抓握是否稳定、施加的力是否过大；复杂操控意味着处理任务中会弯曲、移位、压缩或形变的物体；环境适应则意味着在不完全依赖预编程路径的情况下，应对零件、工具、表面和人类行为的变化。触觉正是闭合这一感知回路所需的反馈来源。
触觉：物理AI缺失的那一层
作为新兴机器人创业公司，Xense Robotics正以"触觉点燃物理智能"的愿景探索这一前沿领域。触觉感知的价值不在于取代视觉系统或大语言模型，而在于补全物理AI对真实物理世界理解中缺失的那一层。
其工业影响远不止于效率提升：更可靠的机器人可以减少返工和材料浪费，提升制造质量，缓解劳动力短缺，并推动人机协作从"孤立自动化"向人机共同完成任务的未来演进。
如果说视觉和语言让AI学会了理解世界，那么触觉智能或许就是让AI真正与世界交互的关键——使机器能够通过来自物理环境的反馈不断行动、学习和改进。这或许正是物理AI走向完整形态的路径。
物理AI的下一次进化，可能从一项基本能力开始：教会机器如何"触摸"。
Q&A
Q1：触觉智能和视觉感知相比，在机器人应用中有什么优势？
A：触觉传感能直接反馈接触力、形变和材料状态，不受物体透明度、反光表面、低光照等条件影响，而这些场景恰恰是视觉感知最容易失效的地方。研究表明，触觉传感能提供更可靠的物体形状和方向信息，在精密装配、柔性材料处理等任务中表现更稳定，是弥补视觉感知盲区的关键能力。
Q2：亚马逊的仓储机器人Vulcan是如何使用触觉技术的？
A：亚马逊的仓储机器人Vulcan结合了视觉与触觉两种感知方式，通过力信号来理解与物体的接触状态。Vulcan目前已部署在德国汉堡和美国斯波坎的履约中心，能够处理约75%的仓库物品，有效提升了机器人在杂乱、拥挤仓储环境中的操作可靠性。
Q3：Xense Robotics在触觉AI数据采集方面做了哪些创新？
A：Xense Robotics研发了一款可穿戴数据采集设备，将数据采集成本降低了80%以上。同时，该公司建立了专有数据质量标准，并开发了内部数据后处理引擎，将人工数据清洗成本同样压缩80%以上。此外，其自研的VTLA（视觉-触觉-语言-动作）具身AI模型，可将高质量触觉数据转化为机器人的实际操控能力。