问题
具身智能团队和制造业产线面临“看得见、干不成”的困境：机器人靠视觉和大模型能准确认出物体是什么、在哪儿，但“真一伸手就出问题：要么捏碎，要么打滑，要么装歪”。根本原因是机器人只有视觉没有触觉，不知道用了多大力、会不会滑，因此汽车总装等精密装配环节仍只能靠人力兜底。
目标用户
具身智能机器人公司与灵巧手开发厂商的算法团队，以及使用机器人做精密装配的制造业（如汽车总装车间）。市场规模中等：依赖机器人渗透率的提升，目前主要集中在头部具身智能团队和愿意试点的制造产线。
解决方案
做一个面向具身智能团队的触觉技能学习层：
- 接入量产视触觉传感器（如 SENTRA T0 类光学方案），统一触觉数据格式与采集工具
- 用遥操作 + 人力演示采集“老师傅手感”数据：力度曲线、滑移前兆、接触位置微调
- 训练带触觉闭环的抓取/装配策略模型，实时根据力反馈调整抓握力度与姿态
- 失败案例回流：捏碎、打滑、装歪的轨迹自动归因，用于策略迭代
- 以 SDK / 策略模型形式交付给机器人厂商与产线集成商
为什么是现在
信号显示触觉硬件刚到临界点：一目科技的 SENTRA T0 厚度做到 3 毫米以下、可量产，解决了灵巧手“装不下”的行业难题，指尖 24 万个感知点、力感知精度 5mN，意味着高质量触觉数据首次可以规模化获取；配合大模型操作策略的成熟，用数据把“老师傅手感”变成模型能力成为可能。
MVP 范围
第一版聚焦单一装配任务（如插装、拧紧）：接入一款量产触觉传感器（如 SENTRA T0 类视触觉方案），采集人力演示 + 失败案例数据，训练带触觉反馈的闭环抓取/装配策略，输出“成功率对比报告”给试点产线。不做灵巧手硬件、不做通用操作大模型、不支持多品类混线。
风险
硬件依赖强：传感器供货、灵巧手型号变化都会影响方案；策略泛化难，单一任务调通不等于能跨产线复制；机器人公司自研触觉策略的概率高，可能被下游大厂垂直整合；产线验证周期长、回款慢；论文级的力控成果（如 5mN 精度）到工业落地有较大工程鸿沟。
已有产品
| 产品 | 定位 | 价格 |
|---|---|---|
| SENTRA T0 | 硬件层竞争者：超薄仿生视触觉传感器，解决灵巧手“装不下”问题，是本方案的上游而非直接同类 | — |
信号证据
这张卡片依据的原始讨论。摘录保持原文，点“原文”查看上下文。
arXiv cs.HC10月1日新能力
“Teleoperation systems are tuned for channel fidelity, while whether the operator experiences the device as part of the body, the Sense of Embodiment (SoE), is measured only afterwards, by questionnaire.”
Teleoperation systems are tuned for channel fidelity while the operator's Sense of Embodiment is only measured afterwards by questionnaire.原文
爱范儿9月29日痛点隐含付费意愿
“最典型的就是看得见、干不成——机器人能准确认出这是什么、在哪儿，真一伸手就出问题：要么捏碎，要么打滑，要么装歪。”
机器人只有视觉没有触觉，能认出物体却不知道用了多大力、会不会滑，导致捏碎、打滑、装歪等操作失败。原文
爱范儿9月29日新品发布隐含付费意愿
“他们推出的视光学超薄仿生触觉传感器 SENTRA T0 厚度已迭代至 3 毫米以下，是全球最薄可量产的仿生视触觉传感器，破解了灵巧手「装不下」的行业难题。”
一目科技推出了视光学超薄仿生触觉传感器 SENTRA T0，厚度迭代至 3 毫米以下，是全球最薄可量产的仿生视触觉传感器。原文