机器人制作咖啡和冰淇淋的摊位被游客包围。在去年的机器人会议上，各种制造商比较了“谁具有更高的自由度”，今年他们建议自己的机器人“可以解决哪些特定问题”。

这些仿生和敏捷的手不仅可以螺丝螺钉，抬起重物，完成许多标准化的运动，还可以按摩观众，甚至很容易“捏”一个鸡蛋。即使手掌拒绝了，它也不会偶然地掉落，并完成许多灵活的运动任务。

所有这些变化都表明，在“通过动手改变世界”的问题中，机器人已更加实施。

2025年世界机器人会议场景。 （由Li Mingzi拍摄）

“明年我可以吃预制的小龙虾”

自今年年初以来，人形机器人的工业化加速了，对智能手的需求和需求也得到了进一步改善。机器人不仅需要准确地感知对象的性能，而且还需要做出决策并迅速执行。实现此封闭环的关键是触觉传感器。 “在展览中，80-90的熟练制造商和80以上的机器人制造商应用了我们的触觉感知技术。” Tashan Technology首席执行官Ma Yang引入了。

机器人或具有灵巧的手的机器人已经开始在多种特定情况下“起作用”。马阳介绍了首先，在某些工业场景中，这是灵活的工作。他举了一个例子，即工厂中的大多数生产链接都可以由机器人（例如拧紧）完成，但是一些“精细的任务”，例如插入电缆和电线线束，将小弹簧按下产品的特定位置，该机器人以前无法完成。现在，机器人具有触觉的能力，并有可能执行这些微妙的单一动作。一些领先的车辆制造商正在尝试使用机器人进行操作。

其次，在影响人类生活和健康的危险情况下，熟练的手的机器人不仅可以巡逻，而且可以执行一些特定的操作。在某些情况下，人工效率低下的利用（例如物流和快递输送字段中的终端排序过程）现在也可以考虑机器人。

Ma Yang补充说，Tashan Technology还与今年的农业和边线行业领域合作，例如采摘农产品和小龙虾治疗。他介绍了必须对80的小龙虾进行预处理。将虾头和虾尾间分开的步骤只需要在湖北的一个县级城市每年花费数亿元人民币。该公司正在培训机器人完成工作。到明年的高峰小龙虾生产季节，桌上运送到桌子的小龙虾可以由机器人处理。

最大的挑战是数据

在将机器人推向特定的应用程序方案之前，需要大量培训。目前最大的挑战是培训数据和模型还不够理想。以数据为例，最麻烦的事情是数据是否可用。目前，训练场有两种主要模式。一个是“摇晃”，也就是说，让真正的人戴上一些收集设备来完成机器人需要学习的动作。数据可用性更好，但是成本太高，收集过程比独自工作的人更累。另一个人是人们戴手套来收集数据，这更快，但是问题在于人们很难一一地绘制手和机器人的绘制，因此收集的通用性很差。

马阳说，获得数据有三个主要挑战。首先，有一个问题是如何获得数据和数据通用性，然后是数据成本问题，最后是如何将机器人推向真实场景学习。

与视觉数据不同，触觉数据必须是连续数据，换句话说，一系列动作，而不是图片框架。因此，可以分解和训练动作，并最终集成在模型侧。如果将任务与分子进行比较，则拆卸的每个特定作用都是原子。通过原子学习，它被安排并合并为不同的分子，这比每次重新完成一项新任务的速度要快得多，从而促进了机器人在人们希望出现的场景或行业中的快速应用。

机器人会取代人吗？

当Tashan技术于2017年成立时，它是第一个实现智能捕获任务方向的人。初创团队很快发现，在手工触摸领域中，没有良好的基础硬件来支持。因此，从2018年开始，该公司的核心工作已调整为具有触觉感知的芯片。

马阳介绍了他们最初计划与芯片公司寻求合作，但是由于多种因素，他们最终未能与海外团队达成协议，而是开始了自我发展之路。四年后，Tashan Technology发布了世界上第一个人工智能触觉芯片，该芯片已成为Tashan Technology在体现智能领域发展的重要技术支持节点。马阳说：“直到今天，可以自信地说，在让机器人起作用时，触觉传感器不再是最大的停止点。”

对于灵巧的手来说，自由度越高，它影响工作的越多。具体而言，手的自由度越高，所需的计算能力支持越大。机械部分的组合误差最终将降低“工作”的成功率。

在世界机器人会议的展示区域中，两指手掌通常比五指手更灵活。但是，这给数据获取带来了新的挑战。 “在触觉感觉的领域，数据收集效率更高，很难将人的手形成的数据转移到两个手指和三个手指上以夹住手掌。”马阳说。

该模型为问题提供了另一种解决方案。马阳介绍了大型模型被分解为小型型号，然后在时间安排中重新排列并结合在一起以提高效率。就像DeepSeek一样，建立了不同级别的模型，然后组合模型并进行融合以提高效率。

“目前，触觉传感芯片仅占整个手机（机器人）制造成本的20-30。”马杨介绍，如果将触觉传感器安排在五指手上，费用通常超过1,000元，并且未来大量产量后的成本将继续下降。马阳预测，随着机器人的大规模应用，单手的成本也将降至几千人民币。

中国电子协会组织了针对人形机器人的十大最有希望的应用方案，包括在通用工业运营领域的装载和卸货和转移，在汽车制造领域的分类和分配材料，以及3C制造领域的材料质量检查。