全球首个诊脉灵巧手亮相，触觉数据瓶颈卡在“可信”而非“数量”

具身智能持续升温，本体、模型与场景竞逐激烈，上游的触觉传感器赛道也迅速变得拥挤。过去两年间涌入该赛道的公司已有数十家，各类数据采集手套成为标配，行业主流叙事普遍认为：具身智能缺的是触觉数据量，谁先积累数据，谁就掌握了燃料。

但初创公司游仞智能提出了截然不同的判断。在世界机器人大会上，这家成立不久的硬件创企推出了一款能完成中医诊脉的机器人灵巧手，并直言：行业真正卡壳的不是数据量，而是数据可信度。

机器人搭脉背后的触觉极限

展台上，这款专用灵巧手的三根手指依次搭上人体手腕的“寸关尺”，通过“举、按、寻”三种力度轮换下压。脉象解析在端侧完成，进一步诊断交由云端，目前已能解析二十八种脉象。

中医诊脉讲究三部九候，感知“位、数、形、势”。落到生物学层面，这是人类指尖四类机械感受器的并行作业：迈斯纳小体捕捉低频振动与滑动，默克尔盘感知静态压力与纹理，帕西尼小体负责高频振动，鲁菲尼小体感知持续拉伸。脉象本质上是压力、时间与空间交织的三维信号。

市场上多数传感器只走单一物理路线，如纯电容、压阻、压电或视触觉，单一路线难以复现四类感受器的协同，测出的脉象必然缺失维度。游仞智能最初将诊脉立为攻关课题，就是为了触碰人类触觉的极限场景。

触觉的核心矛盾：感知域与控制域的冲突

游仞智能创始人兼CEO张振指出，行业盲目堆砌采集设备，却忽视了数据质量。李飞飞团队联合发表的研究曾直接指出：在视觉-语言-动作（VLA）模型中加入触觉数据后，任务表现甚至不升反降。数据若不可信，数量再多也无法用于训练。

触觉是唯一横跨感知与控制两域的传感器。用于上层感知的 VLA 模型通常仅需 30Hz 采样率；但若要进入底层电机控制环路做高频力控，采样率必须达到 100~500Hz 甚至更高。

两域需求在材料物理特性上天然冲突：

• 追求灵敏度：材料需要做软，但过软会导致迟滞效应，动态响应大幅变慢，在精密装配等高速闭环任务中容易引发系统震荡；
• 追求高响应：材料必须做硬，但硬质结构会丧失对物体表面微小形貌的贴合与适应能力。

测得出数据，不代表 AI 敢直接采用，这就是触觉信号进入大模型时面临的“可信度”断层。

制造真实的机器人“皮肤”

为了兼顾不同维度的触觉感知，游仞智能采取了多机理异构融合方案，将指尖传感器设计为多种传感模式的集合：

• 电容式：负责静态压力与压力分布成像；
• 压阻式：承担大范围深压测量与抗过载保护；
• 压电式：专门捕捉微小振动、滑移与瞬态冲击。

在物理结构上，团队采用模量梯度的“表软底刚”设计，并通过微结构工艺拓宽频带与灵敏度。制造工艺则采用自由形态打印技术，融合丝网印刷、喷墨打印与墨水直写，实现对复杂双曲面的共形贴合，做成真正意义上的机器人“皮肤”，避免了传统视触觉方案体积庞大、只能做成平面的局限。

这套硬件体系对应其 CrediTac 框架，核心目标是提升输出信号的数据可信度，让下游算法无需耗费过多代价去清洗和校准噪声。

从工程制造中突围

与偏向材料学术研究或纯算法架构的团队不同，游仞智能的技术基底更偏向半导体器件工程与消费电子量产。团队核心成员具备产业量产经验，在产品立项初期就着眼于工艺可行性、良品率以及批次一致性。

业内对具身智能的讨论多聚焦在端到端模型泛化与本体结构降本上。但当机械手真正接触现实物理世界时，决定动作成败的正是指尖这层微小的传感器。让物理接触可靠地转化为大模型敢于直接消费的高置信信号，是具身智能闭环中不可忽视的基础工程。