一个透明玻璃杯和一个外形相近的塑料杯摆在桌上。相机可以先找位置、看轮廓。抓取开始后，问题变了：手指碰没碰到杯壁？力是否合适？杯子有没有往下滑？这些接触中的变化，单靠画面很难处理。
所以，机器人触觉的价值不止于“分辨材质”。它更重要的用途，是在动作进行时提供校正信号。
多出来的“T”，得管动作
网易报道提到，一支由9位清华博士组成的团队以“具身本能”跑通工业产线。报道还谈到一条值得关注的技术路径：从 VLA（Vision-Language-Action，视觉-语言-动作）走向 VTLA（Vision-Tactile-Language-Action，视觉-触觉-语言-动作）。
看起来只是多了一个字母，落到机器人身上却很具体。视觉告诉系统目标在哪里，触觉补上接触之后发生了什么。看见物体，解决的是动手前的问题；摸到以后该继续、调整还是停下，才决定动作能不能做稳。
公开摘要没有展开“具身本能”的具体模型结构，因此不能把它直接解释成某一种固定算法。能够确认的是，这支团队把触觉放进了精细物理交互和工业产线，而不是只拿它做材质分类。
ReSkin 先补上接触这条信号
Meta 的 ReSkin 提供了另一条技术路线。据《AI日报头条》的节目摘要，ReSkin 是一款人造皮肤，使用磁感应和自监督学习，让机器人感知触摸到的物体。
这里要收住结论。现有摘要没有给出材质识别精度、数据规模或工业验证结果，不能据此推断 ReSkin 已经能在各种环境中稳定区分所有材质。它首先解决的是“获得触觉信号”，至于信号能否及时转成可靠动作，还要看后续的模型和控制系统。
能摸到，只是起点。
线束产线比材质问答更难
线束是检验触觉能力的直接场景。线缆会弯、会偏，抓取和插接时还可能遮挡相机。视觉适合寻找位置，但接触是否正确、动作是否需要调整，不能一直依赖预设轨迹。
中国机械工业联合会机经网的栏目预告提到，它石智航将让 AWE 3.5 驱动的真实线束产线亮相 WAIC 2026，并把产线搬到现场。这个案例的价值，在于给触觉控制提供了一个足够具体的考场。
预告不是结果。公开页面尚未给出成功率、作业节拍或纠错延迟等信息。现场更值得看的，是位置发生变化后能否调整，接触异常时能否停下或回退，以及连续操作是否稳定。现阶段，AWE 3.5 更适合作为待观察的工业样本，而不是触觉问题已经解决的证明。
触觉装上去，还要和视觉对得上
腾讯新闻刊发的《瞭望中国式创新》报道显示，戴盟于2023年正式运营，主攻触觉感知与灵巧操作。至少在这家公司身上，触觉不是附属功能，而是研发主线。
但传感器多，不等于机器人就更灵巧。图像和接触信号并不是同一种信息：视觉持续提供画面，触觉通常要等到接触发生后才出现；相机还可能被遮挡，机器人经常只能拿到部分输入。
《机器人产业真正兴起的曙光（下）》介绍的 Quintet AI 机器人世界模型工作流，重点正是融合多种传感器模态，并允许系统接收部分输入。这比简单增加传感器更接近实际工况：信息不完整时，机器人仍要决定下一步怎么做。
别急着把触觉写成万能答案
医疗手术机器人常被列为触觉的潜在应用。接触反馈如果能传到操纵端，理论上有助于更细致地控制动作；但现有来源没有提供具体产品、实验或临床数据，不能写成已经落地的突破。
家庭场景也一样。无论是 Figure、Optimus，还是优必选相关产品，要处理衣物、杯子和易碎物品，评判标准都不该只是完成一次演示。接触条件改变后，动作能否及时调整，才更接近真实使用。现有素材没有横向触觉指标，因此也无法据此判断谁已经领先。
从 VLA 到 VTLA，关键变化不在缩写，而在控制方式：机器人要在碰到真实世界后继续判断。ReSkin 提供人造皮肤，“具身本能”强调物理交互中的动作策略，AWE 3.5 把问题带到线束产线，Quintet AI 则处理多模态输入。它们还不是同一套成熟答案，但评判标准已经变得更实际——机器人能不能根据接触反馈，把下一步做对。
