视触觉传感破解“拿不稳”痛点，灵感机器人完成天使轮
机器人能跑、能跳、能后空翻，却未必能稳稳捏起一颗草莓。在具身智能从运动能力向操作能力迁移的过程中，一个被反复验证的瓶颈正在浮出水面：视觉可以让机器人“看见”目标，却无法告诉它接触力有多大、物体是否正在滑落、表面纹理到了什么程度。轻了抓不住，重了会捏碎——这道触觉层面的缺口，是机器人从演示走向真实作业必须跨过的一步。
灵感机器人（AGIMind Robotics，工商主体为灵感机器人科技（深圳）有限公司）选择从这道缺口切入。公司成立于2025年10月，不做本体、不做通用大模型，研发重心集中在机器人触觉感知与精细操作上，目标是把机器人从“能看见”推到“能理解接触”。2026年10月，灵感机器人完成数千万元天使轮融资，投资方包括力合资本、合肥创新投等机构，本轮资金主要用于产线建设、量产能力优化与触觉智能系统研发。据公开信息，公司目前正在推进后续融资。
触觉感知的“最后一厘米”，卡在哪道工序上
机器人精细操作的核心困难，不在于模型“想不想做”，而在于底层信号够不够用。视觉传感器输出的是图像，传统力传感器输出的是单一标量的力值，两者都无法直接回答“接触面上每一点正在发生什么”。在透明工件、反光表面、易碎物体或需要滑移预判的装配任务中，这一信息缺失会直接导致抓取失败或工件损伤。
更深一层的问题在电子架构层面。行业研究指出，国内相当比例的机器人底层电子系统仍依赖海外实时操作系统与通信协议，接口标准不统一、技术路线分散，使得触觉传感器这类新增感知模块的接入成本和协同效率受到限制。触觉感知之所以长期停留在实验室阶段，不仅因为传感原理本身的难度，也因为从传感器到机器人控制链路之间缺少一套可量产、可集成的工程路径。
灵感机器人的回应方式，是从传感器这一“元组件”层做起，再向数据采集、算法库和控制中间件延伸，形成覆盖“触觉感知—数据构建—模型训练—控制部署”的全栈链路。其核心产品Lux系列视触觉传感器已经实现规模化交付，适配灵巧手、机械臂和电动夹爪，在数据采集、工业装配、物流、科研自动化等场景中落地。
稠密力场路线与5毫米指尖：一项技术选择的工程含义
视触觉传感的基本原理并不新：用微型摄像头拍摄柔性接触面受力时的形变图像，再通过算法反解力分布。MIT在2009年提出的三色光方案是该领域的经典路线，此后长期由海外团队引领。灵感机器人的差异化在于，它没有沿袭三色光方案，而是走了一条“稠密力场”路径：一次接触成像可以同时解算受力、形变、滑移与姿态，算法层采用像素级形变追踪与力场逆解，实现“力形同源、原生多模态”的输出。
从公开的产品指标看，这条路线带来的直接结果是两项工程参数：传感器模组厚度做到5毫米，形变追踪点密度达到每平方厘米10万点以上，力感知精度为0.01N。5毫米的厚度意味着视触觉系统可以被压缩到商用灵巧手指尖的尺度，而不是只能以独立模块的形式外挂在机械臂末端。10万点每平方厘米的追踪密度则指向更高的空间分辨率，在精密装配和柔性抓取中，接触面上力分布的细节差异往往是判断是否“抓稳”的关键。
需要区分的是，这些指标来自公司披露的实验室或产品规格条件，并非第三方在任意工况下的独立复现。但产品已经进入规模化交付阶段，这一事实本身提供了另一层参照：传感器不再只是原理样机，而是需要在产线一致性、长期漂移、封装可靠性等工程维度上接受客户场景的检验。公司创始团队自2016年起布局视触觉研究，2019年研发出厚度5毫米的视触觉传感器，并将视触觉用于灵巧操作中的滑移预判，相关积累在进入产品化阶段后构成了时间上的先发条件。
已交付的产品与正在推进的量产命题
判断一家早期触觉公司的位置，交付状态比参数表更值得关注。灵感机器人的Lux系列传感器已实现规模化交付，客户场景集中在工业装配、物流分拣、数据采集和科研自动化。这些场景的共同点是：接触过程中的力信息直接决定任务成败，而视觉在其中的补充作用有限。工业装配中的插拔力控制、物流场景中对未知物体的抓取力度调节、数据采集环节对触觉信号的规模化获取，都对应着传统视觉方案难以覆盖的操作环节。
但“规模化交付”在早期硬件公司中往往对应的是小批量、多批次的订单状态，距离大规模产线量产之间仍有一段路。公司明确将天使轮资金的第一用途指向产线建设和量产工艺优化，指向的正是从“能交付”到“稳定地、低成本地交付”之间的那道坎。触觉传感器的一个工程特点是，柔性感知材料的批次一致性、组装工艺的良率、长期接触中的磨损与漂移，都会在量产放大过程中被成倍放大。实验室指标与工业客户验收标准之间的差距，通常不是算法问题，而是制造一致性问题。灵感机器人当前阶段的进展，需要放在这个框架下理解。
在传感器之外，公司正在将能力向电子皮肤、六维力传感器、数采系统和触觉操作算法库延伸。其中，配套算法库和控制中间件的意义在于降低客户的接入成本：客户拿到硬件后，不需要从零开发触觉信号的解析和控制逻辑，可以直接调用面向抓取、力控装配和表面检测的接口。如果这一层能够随硬件同步成熟，触觉感知的渗透速度将不再 solely 取决于传感器单价，而更多取决于场景侧的集成效率。
团队的双重底色与触觉赛道的窗口期
灵感机器人创始人兼CEO张雅展本科毕业于中国科学技术大学精密仪器专业，博士毕业于香港科技大学机器人专业，曾任腾讯资深AI研究员，主导大规模数据管线及AI模型研发，后任国家实验室研究员、博导。核心团队来自港科大、中科大、南科大、EPFL等院校，并包含来自腾讯、奥比中光等企业的产业人员，覆盖传感、数据、模型到控制的全栈研发环节。学术侧积累提供了视触觉传感与机器人学习交叉领域的研究纵深，产业侧经验则对应着数据管线、硬件工程和量产推进的实际操作能力。对于一个需要同时处理传感器物理设计、信号解析算法和客户场景集成的早期项目来说，这两种能力的组合是必要而非修饰性的条件。
触觉感知赛道的升温有可追溯的外部信号。据GGII预测，2030年全球人形机器人领域对柔性触觉传感器或电子皮肤的需求规模将达到152.5万平方米，对应市场规模约274亿元。更具操作意义的参照来自实验数据：在特定夹爪抓放任务中，引入触觉信号的模型相比纯视觉基准，成功率从75%提升至96.9%。这一提升幅度是否能在灵巧手、装配线等更复杂场景中保持，取决于数据规模和泛化验证的推进，但它至少说明触觉对操作能力的增益不是一个概念判断，而是有条件可测的。
政策侧也在给出方向。2025年《政府工作报告》首次将“具身智能”写入未来产业培育方向，工信部《人形机器人创新发展指导意见》提出到2025年初步建立创新体系、到2027年形成安全可靠的产业链供应链。触觉传感器作为机器人物理交互的“界面层”，其国产化与量产能力直接关系到机器人能否从结构化环境进入非结构化场景。灵感机器人所处的，正是这个从“有没有”向“用不用得起、接不接得进”过渡的环节。
对于正在推进后续融资的灵感机器人而言，接下来值得持续追踪的节点是清晰的：量产产线的实际爬坡节奏、算法库与控制中间件在客户场景中的集成验证、以及从工业装配和物流向更广泛精细操作场景的延伸速度。触觉赛道的竞争正在从“谁先做出传感器”转向“谁能把传感器变成客户产线上稳定运行的一环”，而这一转换的完成度，将决定早期技术积累能否兑现为可规模化的产品位置。