數(shù)據(jù)是具身智能的燃料。然而生活中隨處會用到的力信息的采集，卻是現(xiàn)有諸多大規(guī)模數(shù)采系統(tǒng)普遍面臨的一大難點。傳統(tǒng)的力傳感器（Force-torque sensor）昂貴，沉重且脆弱，動輒上萬元成本的設備在遇到?jīng)_擊時極易永久損壞；更靈活的觸覺傳感器（Tactile Sensor）仍不成熟，短暫的使用壽命和校準的困難都極大限制了其應用規(guī)模。

為了解決力反饋的難題，斯坦福大學團隊開發(fā)了名為 UMI-FT 的系統(tǒng)，他們在手持式數(shù)采設備 UMI 的每個手指上安裝了一個硬幣大小的六維力覺傳感器 -- CoinFT。它能感知到每個手指受到的全部六個方向的力和力矩。這個傳感器只有 2 克重，當機器人拿著燈泡去找插座的時候，它能實時感受到自己手指所受到的所有力，輕了它就加把勁，重了它就松一點，幾乎能夠像人手一樣細膩。CoinFT 能夠像傳統(tǒng)工業(yè)力傳感器一樣進行標準化校準，并且能夠安全承受很大的沖擊力而不損壞。

（來源：https://arxiv.org/abs/2601.09988）

論文作者侯一凡告訴 DeepTech，這套方案的意義在于讓帶力反饋的大規(guī)模數(shù)據(jù)采集變得容易實現(xiàn)。以前的大規(guī)模數(shù)據(jù)采集基本只記錄位置信息和視覺信息，力覺因為成本和技術(shù)難度很難規(guī)?；?。UMI-FT 提供了一個低成本、高一致性、可規(guī)模化的力覺數(shù)據(jù)采集方案，為訓練具備柔順操作能力的機器人策略鋪平了道路。

這個系統(tǒng)的核心是一個叫做 CoinFT 的微型傳感器，直徑 20 毫米，厚度只有 3 毫米。其內(nèi)部結(jié)構(gòu)由幾層帶橢圓支柱的介電材料組成，受到壓力時電容會發(fā)生變化。還有一個五層的神經(jīng)網(wǎng)絡把這些電容值換算成為力和力矩，校準后的精度非常高，力的誤差在 0.15 到 0.58 牛之間，力矩誤差在 17 到 231 毫牛米之間。相比之下，傳統(tǒng)工業(yè)使用的六軸力覺傳感器又大又貴，一個就要幾萬塊錢，而且特別嬌氣一不小心就會被摔壞。而 CoinFT 成本只有 10 美元，既耐摔又耐撞。

（來源：https://arxiv.org/abs/2601.09988）

而前面提到的 UMI-FT 系統(tǒng)不僅是增加了傳感器，還把蘋果手機綁在了機器人的手上。手機負責提供 RGB 攝像頭、超廣角攝像頭、深度攝像頭和姿態(tài)數(shù)據(jù)，刷新率從 10 到 60 赫茲不等。指尖的力覺傳感器以 360 赫茲的速度進行超快采樣，所有數(shù)據(jù)都會被記錄下來。訓練時，研究團隊采集了 200 到 630 組不等的人類演示數(shù)據(jù)，每組數(shù)據(jù)都包含了圖像、深度、姿態(tài)和每個手指的六維力覺信息。然后，他們使用這些數(shù)據(jù)訓練了一個自適應柔順策略模型（ACP）。這個模型會輸出機器人的目標位置、虛擬目標位置、剛度矩陣、抓握力和夾爪寬度。底層有兩個控制器在同時工作，腕部柔順控制器根據(jù)兩個手指傳來的力和力矩，調(diào)整機器人手臂的位置和姿態(tài)，抓握力控制器則負責調(diào)節(jié)手指夾緊的力度。

（來源：https://arxiv.org/abs/2601.09988）

在潛在應用場景上：在工廠里，機器人可以插拔精密的電子連接器，或者裝配帶有卡扣的塑料件；在醫(yī)療領域，手術(shù)機器人可以感知縫合傷口時手術(shù)針刺穿組織的阻力變化，操作更加安全；在家庭服務中，機器人可以幫你擰開瓶蓋、打雞蛋和擦桌子。

（來源：https://arxiv.org/abs/2601.09988）

總的來說，本次成果等于給機器人裝上了一層皮膚，讓機器人擁有了觸覺，讓它能夠感知自己用了多大力氣，以及外界給了它多少的反作用力。目前，研究團隊已經(jīng)把這套系統(tǒng)的硬件設計和軟件代碼全部開源。任何實驗室或者機器人愛好者，都可以用幾千塊的成本復制一套用來訓練自己的機器人。

參考資料：

相關(guān)論文https://arxiv.org/abs/2601.09988

倉庫https://umi-ft.github.io/

排版：胡莉花