请你打开冰箱，并从冰箱里捏起一枚生鸡蛋。
这时，你能感知到它的椭圆形状、微妙的重量，以及表面细腻且略带粗糙的质感。更重要的是，你能精确控制施加的力度——既不会捏碎脆弱的蛋壳，也不会让它从指间滑落。这种精细的力控能力源于我们指尖数以万计的触觉感受器，它们能同时感知多维度的力学信息，包括压力、纹理和温度。
图片来源：visiblebody
如今，机器人也正在获得这种神奇的能力。但对于机器人来说，这种对物理世界的精确感知需要通过视触觉传感器实现。这些传感器通常由柔性材料制成，内部嵌入压力传感元件和成像系统，能够捕捉物体的形状、硬度、纹理等多种特性。近年来，视触觉传感器已经在人形机器人产业链中发挥越来越重要的作用，并成为实现机器人灵巧操作的关键技术环节。
01 什么是视触觉传感器？
视触觉传感器(Vision-Based Tactile Sensor，VBTS)是一种基于视觉的触觉感知装置。与传统的单一维度力传感器不同，它能够同时感知法向力（垂直于表面）、剪切力（平行于表面）、相对滑动和物体的位姿等多维信息，非常接近人手的触觉信息维度。
GelSight是视触觉传感器的典型代表。它于2009年由MIT计算机科学与人工智能实验室的Edward Adelson研究团队首次提出。名称中的“Gel”指的是传感器表面使用的弹性凝胶材料，而“Sight”则暗示其基于视觉的工作原理——内置摄像头在LED灯光辅助下捕捉物体接触凝胶表面产生的形变，通过计算机视觉算法将这种形变映射为精确的触觉信息。
图片：Evolution of GelSight sensor configurations；来源：ResearchGate
视触觉传感器的工作原理可以类比为一个微型的“接触成像系统”。当物体接触传感器表面时，弹性材料会根据接触力的大小和方向产生不同程度的形变。这些形变通常肉眼难以分辨，但借助特殊设计的光学系统和高分辨率摄像头，可以将微小形变放大并转换为清晰的图像。
这些图像数据经过深度学习算法处理后，能够重建出接触表面的三维压力分布图，甚至可以识别出物体的精细纹理特征，如指纹的脊线和谷线、布料的织纹，甚至纸币上的凹凸浮雕。
简单来说，与其他类型的触觉传感器相比，视触觉传感器具有以下优势：
首先，它提供的是高密度的触觉信息，而非离散点的采样数据，这使得触觉感知更加全面和精细。
其次，由于核心感知元件是摄像头，因此避免了传统触觉传感器中大量电子元件的复杂布线和环境干扰（如温湿度、电磁）问题。
第三，弹性材料表面具有很好的适应性，能够与各种形状的物体充分接触，提高感知准确性和接触的稳定性。
02 技术演进：从概念验证到实用化应用
视触觉技术的发展轨迹体现了一门新技术从理论到实践的渐进过程。
在技术诞生初期，研究重点在于展示这种新型传感方式的可行性与优势。MIT的团队构建了一个包含数十种不同材质的触觉纹理数据库，包括织物、木材和砂纸等常见材料。通过这个系统，机器能够准确分类不同材料，证明视触觉传感器可以帮助机器人实现物体特性的识别。
技术的重大突破出现在机器人实际应用领域。研究团队将视触觉与机械臂集成，成功实现了对小型零件的精确定位与操控。特别值得一提的是，这种传感器的分辨率达到了微米级别，使机器人能够感知极其细微的表面变化，为精细操作提供了必要的反馈信息。
通过视觉和触觉的结合，机器人展示了类人的精细操作能力和闭环控制功能。例如，在插拔USB接口等需要精准定位的任务中，视触觉传感器的加入显著提高了成功率，减少了对精确预编程的依赖，增强了机器人在非结构化环境中的适应能力。
这些进展标志着视触觉技术从实验室概念走向实用工具的转变，为后续在更广泛领域的应用奠定了基础。
近年来，视触觉传感器技术持续迭代，各研究机构和企业推出了多种改进版本。例如，英国布里斯托大学的TacTip采用仿生设计，模拟人类指尖皮肤下的机械感受器结构；UC Berkeley的OmniTact实现了弯曲表面的全方位触觉感知；