首页 / 资讯详情
让触觉像视觉一样可规模化，哥大李昀烛团队 FlexiTac 的开源实践 | IROS 2026
摘要
FlexiTac压阻式传感器可兼顾柔性、低成本与一致性。 作者丨向欣 编辑丨岑峰 机器人的视觉能力正快速增强，但触觉仍然是具身智能系统中的薄弱环节。尤其是在精细操作场景中，当物体被遮挡、透明、易碎，或需要精确判断接触力与手内姿态时，仅靠视觉往往难以确认机器人是否真正抓稳了物体、是否发生了滑移，也难以实现可靠的力控与顺从交互。与图像领域已经形成相对统一的传感器和数据体系相比，触觉研究尚未形成类似的「收敛」。不同实验室往往使用不同类型的触觉传感器，但它们都面临寿命、柔性、多维信息感知、分辨率、成本与一致性难以同时兼顾的困境。这使得触觉数据采集、算法研究以及不同系统之间的复现都变得更加困难。如何让触觉像视觉一样，成为一种可以被更多机器人使用、被大量采集、被算法反复利用的基础感知能力？针对这个问题，哥伦比亚大学李昀烛团队提出了开源柔性压阻式触觉传感器平台 FlexiTac。在本届 IROS 2026 的触觉专题研讨会上，李昀烛系统介绍了这一平台开源一年半后的进展与生态。FlexiTac 是一套低成本、开源、可扩展的压阻式柔性触觉传感器，团队同时开源了完整 BOM、详细组装说明以及用于读取触觉数据的软件。FlexiTac 采用 FPC 与力敏薄膜层叠结构，组装仅需 3 分钟，可弯曲、裁剪并包裹于不同几何表面，适配手套、指尖或机器人皮肤等多种形态。其核心优势在于成本低、制作简单、高度柔性与可扩展、以及较好的长期稳定性和批次一致性，感知机制也足够简单，易于用弹簧-阻尼系统实现高保真仿真。其技术栈可集成进主流的机器人学习框架中，门槛低到拥有即使是本科生，只要拥有一台可打印 SO-100 机械臂的 3D 打印机，也能轻松把触觉传感器装上机器人。李昀烛提到，开源约一年半以来，FlexiTac 已在学术界与工业界获得广泛采用，衍生出多模态策略、可变形世界模型、四足移动-操纵、VLA 触觉反馈等多方向工作，他们与普渡大学合作的多指灵巧操纵工作 VTAP Gripper 还入围了本次 IROS 最佳论文奖。Analog Devices（ADI）正在推进其商业化版本，该版本触觉分辨率达到人类手指的五倍，基于半导体制造工艺量产。以下为李昀烛在 IROS 2026 演讲的精编稿，AI科技评论基于原英文内容进行了不改原意的翻译编辑：013 分钟组装、本科生可用为了让传感器易于生产、成本低廉，我们最新的版本制造成本其实已经非常低，具体多低，取决于你同一批次生产多少片。准备好所有物料后，你只需要花 3 分钟就可以把传感器装配完成，传感器随即就能投入工作。我们这套方案是完全开源的：完整的物料清单，还有非常详尽的分步装配说明，同时也配套了可以读取、传输传感数据的对应软件。除了传感器和配套软件本身，我们也还把这套软硬件技术栈集成到非常流行的机器人学习框架 LeRobot 里。这样一来，任何人，哪怕只是本科生，只要手头有能够打印出低成本 SO-100 机械臂的 3D 打印机、都可以轻松地把我们的触觉传感器集成进去，然后开展相关研究，探索触觉感知如何帮助机器人理解手内物体状态，完成复杂操作任务。在我们开源这套传感器大约一年半之后，我们欣喜地看到，这项技术已经在学术界与工业界得到广泛应用。更让我们振奋的是，大家正在沿着不同方向继续推进、拓展整个生态：如何制造更好、能力更强的硬件；如何