机器人想要像人类一样灵活地抓取物品、完成精细操作，高分辨率、耐磨损的触觉感知是关键。传统视觉触觉传感器要么体积庞大，要么易受磨损，难以适配杂乱环境中的机器人抓握需求。

麻省理工学院（MIT）的研究团队在GelSight技术基础上，研发出一款名为GelSlim的高分辨率触觉传感手指，它更纤薄、更坚固、输出更均匀，历经3000余次抓握实验仍能保持稳定的信号质量，为机器人在杂乱环境中的灵巧操作打下了坚实基础。这一研究成果也为工业分拣、家庭服务、医疗康复等领域的机器人触觉技术发展提供了新方向。

触觉传感是机器人实现精准抓握和灵巧操作的核心，视觉基触觉传感器因高空间分辨率、适配深度学习等优势成为研究热点，但现有产品却存在明显短板，难以满足实际应用需求：

• 形态与集成性不足：多为长方体结构，体积偏大，无法在狭窄、杂乱的环境中（如仓库货箱、厨房橱柜）灵活穿梭，难以分离目标物体与周边杂物；
• 耐用性与信号稳定性差：依赖柔软硅胶凝胶作为传感表面，在抓握的剪切力、正压力作用下易磨损，且光学路径、凝胶变形会导致信号输出不均，长期使用后精度大幅下降，无法适配数据驱动的学习型操控算法。

针对这些问题，MIT团队重新设计了传感器的光路、材料和校准体系，打造出全新的 GelSlim触觉传感手指，完美兼顾紧凑性、大传感面积、均匀照明和高耐用性四大核心需求。

图 1. GelSlim 手指从杂乱物品中拿起一个带纹理的手电筒，右侧是相应的触觉图像。该传感器经过校准，可随时间对输出进行归一化处理，并减少磨损对信号质量的影响。

GelSlim 核心设计：从内到外的全面升级

GelSlim 以经典 GelSight 视觉触觉传感器为基础，通过光学路径重构、材料优化、结构创新三大改造，实现了性能的跨越式提升，核心设计亮点集中在这四大方面：

1. 光学设计：纤薄化 + 均匀照明，兼顾大传感面积

这是 GelSlim 最核心的创新点。团队摒弃了传统相机光轴与凝胶垂直的设计，通过镜面反射 + 亚克力光波导重构光路，让相机远离凝胶却仍能清晰捕捉信号，既大幅降低了手指厚度，又将传感面积提升至 50mm×50mm。采用抛物面反射镜将 LED 点光源转化为平行光，保证凝胶表面照明均匀，避免信号强弱不均；利用前表面玻璃镜减少光学反射重影，提升图像清晰度，同时将照明用 LED 后置，进一步压缩指尖体积，让机器人手指能轻松伸入狭窄缝隙。

2. 材料选择：硬度与耐用性的精准平衡

凝胶是触觉传感的核心，太软易磨损、分辨率虽高但抗拉伸性差，太硬则灵敏度不足。团队最终选定15:1配比的XP-565双组分硅胶，相比传统 GelSight凝胶硬度更高、韧性更强，在牺牲少量空间分辨率的前提下，大幅提升了抗磨损能力。同时，在凝胶表面覆盖弹性纹理织物表皮，不仅能保护凝胶免受直接摩擦损伤，还能减小物体与凝胶的接触面积、增大局部压力，让传感器即使检测平整物体也能输出清晰信号，显著提升信号强度。

3. 结构创新：可旋转指尖+远距离数据传输

GelSlim 在手指主体与指尖间设计了旋转关节，可自由调整指尖角度，能适配不同形状、摆放方式的物体，大幅提升杂乱环境中的抓握灵活性；针对相机数据传输的脆弱性，团队将Raspberry Pi Spy相机的软排线转换为 HDMI线，实现数米远距离传输，同时将处理器远离机器人操作臂，避免操作中的振动、碰撞损坏硬件，还能通过同一根线缆为LED供电，简化布线。

4. 工艺优化：规避光学损耗，提升整体稳定性

研发过程中，团队总结了一系列关键工艺细节，从源头避免信号损耗和硬件故障：选用前表面玻璃镜，杜绝后表面镜的 “双像” 问题；激光切割的亚克力件先退火再加工，防止胶水、镜面漆的溶剂导致应力开裂；采用 ARclear 93495专用粘合剂固定凝胶，保证粘合强度且不影响图像清晰度；选择小视角、高光效的OSLON SSL 80 LED，让更多光线进入光波导，提升照明效率。

图 3. GelSlim 手指。GelSight 传感器的尖端改造版本，具有更大的 50 毫米 ×50 毫米传感器垫以及坚固纤薄的结构。

图 4. GelSight 传感器的构造。将 GelSight 传感器集成到机器人手指中通常需要三个组件：相机、光源和凝胶，且它们需按特定方式排列。左侧为 Li 的原始指尖示意图 [3]，右侧为我们的 GelSlim。

图 5. 传感器织物表皮的纹理可增强信号强度。当无纹理的物体被夹在无织物的凝胶上时，信号非常弱（a-b）。使用带纹理的织物表皮后，信号会增强（c-d）。经过 Canny 边缘检测处理后，这种差异会变得十分明显。

图 6. 单反射 GelSight 传感器的设计空间。根据相机的景深和视角，相机将位于距离凝胶一定距离的位置。这些参数，连同镜子和相机的角度，决定了手指的厚度和凝胶垫的尺寸。为了可视化，绘制了由镜子形成的虚拟相机。

图 7. 光线穿过手指的路径。红色线条代表的光线过程如下：1）由两侧两个小型高功率 LED 发射。2）通过全内反射在亚克力导光体内传播。3）经抛物面镜重新分布为平行光并射向凝胶垫。4）在镜面反射 90 度，掠射过凝胶。5）被接触凝胶的物体反射向上。6）经平面镜（图中未显示）反射至相机。

双重校准体系：3000 次抓握，信号始终稳定

即使硬件设计再精良，长期使用后的光学路径磨损、凝胶轻微变形、相机快门波动，仍会导致传感器输出漂移。为此，团队设计了制造校准+在线维护校准的双重体系，并提出四大信号质量评估指标，让GelSlim在3300 次高强度抓握-提升-振动实验中，始终保持稳定的输出。

第一步：制造校准，解决先天不均。传感器出厂后仅需执行一次，修正硬件本身的缺陷：拍摄校准图案的触觉印记，计算透视变换矩阵，将图像矫正为正视角并裁剪，消除相机透视畸变；对无接触图像做高斯滤波，提取背景照明分布，消除非均匀照明的影响；记录无接触图像的平均亮度，作为后续亮度校准的参考基准。

第二步：在线维护校准，动态修正使用损耗。每完成一定次数抓握后执行，实时补偿使用中硬件变化，核心是通过四大指标追踪传感器状态，并针对性修正：

• 光强与分布：监测无接触图像的亮度均值和标准差，通过背景扣除 + 基准亮度补偿，解决光强随使用下降的问题；
• 信号强度：衡量接触区域图像的动态范围，通过自适应直方图均衡化提升对比度，抵消凝胶弹性衰减导致的信号减弱；
• 信号强度分布：监测凝胶不同区域的信号差异，针对磨损严重的中心 / 远端区域做非均匀对比度增强，解决信号分布不均；
• 凝胶状态：统计图像中 “死像素”（凝胶反光漆磨损导致的无信号像素）占比，GelSlim 经 3000 次抓握后死像素占比不足 0.06%，可通过插值修复，不影响使用。

经校准后，GelSlim的光强、信号强度在3000余次抓握中基本保持稳定，仅出现轻微衰减，完全能满足长期实验和实际应用的需求。

校准传感器的三种触觉轮廓。从左到右分别是：带有尖角的矩形、滚珠阵列和 3D 打印的圆顶。

性能与应用：不止于抓握，解锁机器人灵巧操作

GelSlim 的核心输出是包含物体形状、纹理信息的触觉印记图像，这些信息可结合抓握力、凝胶材料特性，进一步推断物体的3D局部几何、硬度、剪切力等关键参数，为机器人操控提供丰富的触觉反馈。

在 3300 次针对日常物品的高强度抓握实验中，GelSlim表现出优异的耐用性：凝胶仅出现少量死像素，光学路径轻微磨损可通过校准完全补偿，信号质量始终保持在可用水平。

这一技术的落地，将为机器人领域带来诸多应用突破，尤其适用于视觉反馈受限、操作空间狭窄、对接触力敏感的场景：

• 工业分拣：在仓库货箱、杂乱料框中精准分离不同形状、材质的物品，实现高效 bin-picking；
• 家庭服务：让服务机器人灵活抓取餐具、水果、衣物等日常物品，适配复杂的家居环境；
• 精密操作：完成USB插装、螺母拧合等精细任务，甚至可应用于医疗康复机器人的辅助操作；
• 智能抓取：结合深度学习，通过触觉印记判断抓握稳定性，实现闭环的抓握调整与重新抓取。

未来展望：更小巧、更柔顺、更智能

GelSlim 虽实现了性能突破，但研究团队也指出了后续的优化方向，未来的触觉传感手指将朝着更贴合实际应用的方向发展：

• 进一步小型化：受限于相机的视场和景深，目前的GelSlim难以适配小型机器人，后续将优化光学组件，打造微型化版本；
• 增加柔顺性：当前指尖的刚性末端易产生过大接触力，后续将为传感系统增加柔顺结构，降低接触损伤风险；
• 简化制造与维护：优化工艺流程，实现凝胶、光波导等部件的快速更换，降低使用成本；
• 多传感融合：将触觉传感与视觉、力觉传感融合，为机器人提供更全面的环境感知，实现更智能的灵巧操作。

结语

触觉是人类感知世界、完成精细操作的重要感官，对机器人而言亦是如此。GelSlim 的研发，不仅解决了传统视觉触觉传感器体积大、易磨损、信号不稳定的行业痛点，更通过硬件创新 + 软件校准的结合，让机器人手指拥有了既 “灵敏” 又 “耐用” 的触觉。从实验室的 3000 次抓握实验，到工业、家庭、医疗的实际应用，这一技术为机器人灵巧操作的落地打开了新的大门。未来，随着触觉传感技术的不断升级，机器人将真正拥有 “手眼协调” 的能力，更自然、更精准地融入人类的生产生活。

除了抓握，你觉得高分辨率触觉传感技术还能应用在哪些机器人场景中？欢迎在评论区留言讨论～