机器人触觉厂商新动向：从卖传感器到探索数据与模型商业化

事件概述

随着IROS 2026等行业的推进，机器人触觉厂商的业务边界正在扩展。以Sharpa、戴盟（Daimon）和帕西尼（Pacini）为代表的企业，不再仅局限于提供触觉传感器（即机器人“皮肤”），而是试图将业务延伸至数采工具、训练数据以及触觉锚定世界模型四个预算领域。然而，这一延伸过程面临数据复用性低和商业闭环未验证的挑战。

核心信息

1. 触觉传感器进入规模化量产阶段

触觉硬件本身已开始摆脱样品阶段，走向批量制造。

• 订单进展：福莱新材与灵心巧手签署了一份包含10万套触觉传感器的订单，此前双方已完成1000套的交付。
• 意义：这标志着触觉传感器从研发测试迈向工业化规模应用的关键一步。

2. 数采工具成为面向科研机构的第二增长曲线

除了硬件，厂商开始通过提供数据采集系统来收取费用，主要客户目前集中在高校和科研机构。

• 采购案例：
  • 上海大学：计划以22万元采购一套兼具视觉、触觉采集和模型训练功能的系统。
  • 吉林大学：以20万元购入一套由遥操作机械臂、相机和视触觉传感器组成的采集平台。
• 商业化瓶颈：这类工具能否进入企业的常规采购流程，取决于其产出有效数据的效率以及部署新任务的周期。

3. 触觉数据面临极高的“换肤成本”，复用性差

虽然部分厂商（如戴盟上线Daimon-Infinity公开1000小时数据，帕西尼在商城标价出售数据）尝试将数据作为商品销售，但触觉数据难以像视觉数据那样在不同硬件间通用。

• 技术痛点：触觉信号与传感器的材料、结构和标定方式强绑定。硬件更换导致模型接收到的“触感”本质不同。
• 实验数据佐证：根据论文《TacVerse》的研究，使用GelSightMarker训练的模型在原传感器上准确率为90.3%；当切换到结构相近的GelSightNoMarker时，准确率降至24.8%；切换到差异更大的MagicGripper时，准确率仅为5.4%，接近随机水平。
• 结论：由于跨传感器适配需要重新标定、转换和补采，触觉数据目前更像定制项目而非可复用的标准资产。

4. 触觉模型展示潜力，但独立商业模式未验证

为了解决数据复用问题并提升控制精度，厂商开始推出触觉世界模型，如戴盟发布的Daimon-TWM。

• 性能表现：在插接、擦拭、插入和装配四类任务中，Daimon-TWM的平均成功率为64.0%，显著优于对比模型π0.5的26.0%。在加入人为触碰和平台位置变化等扰动后，Daimon-TWM的成功率下降幅度也小于π0.5（53.5% vs 5.8%）。
• 商业现状：目前的测试数据主要来自公司内部自测，缺乏第三方独立验证。关于模型的单独交易金额、授权费用及客户复购情况均未披露。
• 商业模式分歧：模型可能作为全栈解决方案的一部分促进硬件成交，也可能作为独立软件授权收费。目前尚不清楚哪种模式能带来可持续的收入。

值得关注

2026年被视为机器人触觉从“技术样品”走向“产品化”的关键年份。虽然传感器走量已成事实，数采工具已有初步订单，但在数据和模型层面，行业仍缺乏公开、可核对的交易证据。真正决定触觉厂商长期价值的，不是产品线的长度，而是每一层延伸（特别是数据和模型）是否能形成独立于硬件销售的预算和收入来源。