TacTip世界领先的光电触觉传感器

触觉并非压力,是包含多维知觉信息的复合信号。TacTip 光电触觉传感器将接触几何、剪切、滑移、纹理与微小动态变化,转化为机器人可用的感知信息。

TacTip 光电触觉指尖外观线稿
120 Hz 全局回报率
微弱震动感知
多模态输出
滑移精准感知
多点触摸感知
微米级触摸定位
无需单独校准
数十万次寿命

概览

一枚柔软的指尖,让机器人感知形状、力与接触动态。

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

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。

细微到风,也能感知

微弱震动感知

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

多模态输出

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

滑移精准感知

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

无需单独校准

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

数十万次寿命

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

微米级触摸定位

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

多点触摸感知

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。

应用场景

触觉,改变机器人能做的事。

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。

滑移检测

滑移检测

切向接触变化可提示初始滑移,为夹爪调整抓握提供反馈。

轮廓跟随

轮廓跟随

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。

纹理识别

纹理识别

动态针阵列签名可分辨视觉难以分辨的细微表面纹理。

在手操作

在手操作

触觉反馈支持在手内滚动、滑动与重定向物体——无需视觉。

灵巧手集成

灵巧手集成

指尖形态将高分辨率触觉带入多指手与人形机器人平台。

脉搏与生物信号接触感知

脉搏与生物信号接触感知

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

从形变,
到智能。

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。

高分辨率形变线索

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。

柔软顺应的指尖

仿生形态支持更安全的物理交互,并更好地贴合物体表面。

AI 就绪的触觉数据

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。

可嵌入机器人手

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

TacTip 感知栈

光电触觉
1

柔性接触使皮肤形变

2

内部标记点随载荷位移

3

内置光电传感器捕捉形变场

4

视觉管线提取触觉特征

5

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

剪切敏感的触觉仿真,规模化训练。

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

为灵巧手渲染触觉。

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

大规模并行训练,直达真实部署。

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

用柔软触觉捕捉脉搏波形。

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

从触觉研究,到机器人产品。

2009

TacTip 诞生

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

TacTip 家族

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

Tactile Gym

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

DigiTac 与 Tactile Gym 2.0

TacTip 感知与 DIGIT 平台融合;一套 sim-to-real 管线覆盖三种传感器。

2023

Bi-Touch

仿真中训练的双臂触觉操作策略直接部署到双臂真机。

2026

TactileLab

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

商业化

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

把触觉带入真实机器人。

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

与全球机器人、AI 与科研生态共同推进触觉智能。

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

Bristol Robotics Laboratory
Bristol Robotics Laboratory
University of Bristol
NVIDIA
Google DeepMind
TikTok
Anglu Information Technology
Beijing Institute of Technology
Central South University