快一步,才握得住
120 Hz 全局回报率
以全球领先的 120 Hz 光电触觉回报率,持续捕捉接触过程中的快速变化。更及时的触觉反馈,让机器人在抓取、调整与精细操作中更快响应,把每一次接触转化为连续、可用的控制信息。
概览
受生物触觉启发,TacTip 通过内置光电传感器观测柔性皮肤内部标记点的形变。由此产生的触觉信号在形式上是视觉的,但揭示的却是深层的物理接触信息。
Ward-Cherrier et al., "The TacTip Family: Soft Optical Tactile Sensors with 3D-Printed Biomimetic Morphologies", Soft Robotics, 2018·Lepora, "Soft Biomimetic Optical Tactile Sensing with the TacTip: A Review", IEEE Sensors Journal, 2021
核心亮点
快一步,才握得住
以全球领先的 120 Hz 光电触觉回报率,持续捕捉接触过程中的快速变化。更及时的触觉反馈,让机器人在抓取、调整与精细操作中更快响应,把每一次接触转化为连续、可用的控制信息。
细微到风,也能感知
微风带来的微弱扰动,也能成为清晰可用的触觉线索。TacTip 捕捉接触中的细微震动与动态变化,让机器人更早发现轻触与状态转变,在柔性物体、精密部件和脆弱目标的操作中掌握更细腻的分寸。
让模型看见更多维度
从接触形态到力学变化,多模态输出为模型提供更丰富的理解入口。通过多模态数据接口,把触觉信息接入感知、学习与控制链路,让同一次接触服务于不同任务,为具身智能打开更多可能。
在失手之前,读懂滑移
作为少数能够感知滑移的光电触觉传感器,TacTip 将接触表面的相对运动转化为操作线索。机器人得以及时识别抓握状态、调整操作策略,在移动、转向与多指协作中更稳地掌控物体。
少一轮校准,多一分协同
无需对每一颗传感器进行单独校准,解决批量使用中的输出不一致问题。让同一套感知与控制方案更顺畅地连接多颗指尖,减少重复调试,把多指集成从逐个适配推进到协同工作。
经得起反复接触
经过实验室长时间使用检验,TacTip 具备数十万次接触寿命。面对反复抓握、连续实验与高频交互,稳定的耐用表现让团队更专注于任务本身,也让触觉能力持续服务于研究与机器人应用。
把细节,落在微米之间
独特的感知原理结合计算方法,实现微米级触摸定位。把细小接触的位置变化转化为可用的空间信息,让机器人在精密对准、接触引导与细节探索中看清落点,为更精细的操作提供依据。
每一处接触,都有信息
以领先竞品的多点触摸感知能力,同时读懂多个接触位置的变化。面向多指抓握与复杂接触任务,让模型获得更完整的接触图景,帮助机器人理解物体如何被支撑、约束与操控。
我们的产品家族
光电触觉指尖、可配置科研套件与触觉灵巧手,把接触感知、实验验证和机器人集成连接起来。
应用场景
十余年公开研究,让 TacTip 从台架标定走向真实机器人系统的闭环控制。

切向接触变化可提示初始滑移,为夹爪调整抓握提供反馈。

闭环触觉伺服沿未知边缘与表面行进——检测与装配任务的基础能力。

动态针阵列签名可分辨视觉难以分辨的细微表面纹理。

触觉反馈支持在手内滚动、滑动与重定向物体——无需视觉。

指尖形态将高分辨率触觉带入多指手与人形机器人平台。

通过轻柔接触,光电触觉感知捕捉细微、节律性的皮肤形变,用于脉搏波形研究与可穿戴原型。
James & Lepora, "Slip Detection for Grasp Stabilization with a Multifingered Tactile Robot Hand", IEEE Transactions on Robotics, 2021·Lepora & Lloyd, IEEE RAM, 2021·Lin et al., "Bi-Touch", IEEE RA-L, 2023
研究故事
TacTip 在触觉力学与计算感知之间架起桥梁。标记点运动可以被追踪、转化为触觉描述子,并集成到下游模型中,用于接触解释、操作规划与自适应控制。
捕捉稠密的局部形变模式,提供远比稀疏二值触觉信号更丰富的接触解读。
仿生形态支持更安全的物理交互,并更好地贴合物体表面。
同时适配经典视觉管线与现代学习工作流,从跟踪推理到基础模型驱动的机器人。
紧凑的指尖形态使 TacTip 适用于灵巧操作研究与人机交互研究。
信号通路
柔性接触使皮肤形变
内部标记点随载荷位移
内置光电传感器捕捉形变场
视觉管线提取触觉特征
机器人策略将触觉用于行动
Lin et al., "Tactile Gym 2.0", IEEE Robotics and Automation Letters, 2022·Lepora & Lloyd, "Pose-Based Tactile Servoing", IEEE Robotics & Automation Magazine, 2021
仿真 · TactileLab
TactileLab 是基于英伟达 Isaac Lab 构建的端到端、GPU 加速触觉仿真与学习框架。它不去缓慢地模拟弹性体形变,而是用两路互补信号表征接触——法向接触深度,以及稠密的切向(剪切)位移场——形成紧凑且易迁移的触觉观测,可在数千个并行环境中同时进行大规模强化学习。随后通过多模态 real-to-sim 管线,把策略从仿真带到真实的多指机器人手。
剪切敏感触觉渲染
多指 Allegro 手在仿真中操作物体,同时实时渲染每个指尖的触觉信号——接触深度叠加面内切向场,捕捉剪切、滑移与微运动。这种剪切敏感表征让在手操作策略获得远超「仅深度」的信息,而 GPU 并行可让数千个这样的环境同时训练。
Tactile Lab · 英伟达 Isaac Lab
Tactile Lab 是我们基于英伟达 Isaac Lab 打造的新一代仿真器,可在数千个 GPU 并行环境中同时训练触觉策略,学习效率大幅提升。训练所得策略驱动真实机器人仅凭触觉跟随物体轨迹(画面为 6 倍速)——把控制从大规模仿真直接落到物理硬件。
"TactileLab: Efficient Shear-Sensitive Tactile Simulation for Sim-to-Real Multi-Finger Dexterous Manipulation", 2026 (under double-blind review)·Mittal et al., "Isaac Lab: A GPU-Accelerated Simulation Framework for Robot Learning", NVIDIA, 2024·Church et al., "Tactile Sim-to-Real Policy Transfer via Real-to-Sim Image Translation", CoRL, 2022
应用演示
该演示展示 TacTip 如何在轻柔接触中捕捉皮肤表面的细微形变。在脉搏波形研究装置中,柔性圆顶可贴合手腕或指尖,内部光电传感器追踪微小运动模式,将微弱的机械搏动转化为丰富的触觉波形,服务于波形研究与可穿戴原型开发。
Lepora, "Soft Biomimetic Optical Tactile Sensing with the TacTip: A Review", IEEE Sensors Journal, 2021
发展历程
2009
第一代 TacTip 在布里斯托机器人实验室问世,灵感源自人类皮肤的真皮乳头结构。
2018
Soft Robotics 发表家族论文,研究通过 3D 打印制造的仿生触觉传感器,涵盖圆顶、夹爪、操作与圆柱等形态。
2021
高保真触觉仿真与 sim-to-real 深度强化学习,让 TacTip 进入学习时代。
2022
TacTip 感知与 DIGIT 平台融合;一套 sim-to-real 管线覆盖三种传感器。
2023
仿真中训练的双臂触觉操作策略直接部署到双臂真机。
2026
基于英伟达 Isaac Lab 的 GPU 加速、剪切敏感触觉仿真器——面向多指灵巧操作的大规模并行训练与 real-to-sim 迁移。
2026
TacTip Robotics 将这一技术体系带入产业:传感器、TactileGym 仿真平台与产业链定制。
Chorley et al., ICAR, 2009·Ward-Cherrier et al., Soft Robotics, 2018·Lin et al., IEEE RA-L, 2022–2023
创始与核心团队
从前沿研究、产品工程到软件平台、生产制造与客户应用,团队围绕真实接触任务协同推进光电触觉传感。
合作伙伴
合作伙伴还在增加中。我们持续欢迎高校、实验室、产业伙伴与投资机构加入 TacTip 触觉生态。
悬停查看名称


...
更多合作伙伴加入中