如需科研合作、产业试点、投资沟通或传感器定制，请通过以下方式联系我们。

TacTip Group

请输入当前有效的 6 位动态访问码。

此内容仅向受邀投资人开放。

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。

与全球机器人、AI 与科研生态共同推进触觉智能。

根据真实指尖绘制矢量外观线稿，轮廓逐步呈现，产品、网格与标注之间加入轻微的分层视差。

产品周围的信号场随鼠标轻微变化，直观表现触觉信息的丰富维度。

以真实产品为主角，用光影、空间层次和轻微的鼠标视差增加立体感。

TacTip 首屏的三种视觉方向

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

轮廓跟随

纹理识别

在手操作

灵巧手集成

脉搏与生物信号接触感知

触觉，改变机器人能做的事。

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。

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。

120 Hz 全局回报率

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。

微弱震动感知

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。

多模态输出

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。

滑移精准感知

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。

无需单独校准

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。

数十万次寿命

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。

微米级触摸定位

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。

多点触摸感知

TacTip 将柔顺皮肤、内部标记结构与紧凑成像路径封装在一枚指尖模块中。分层视图展示每个物理组件如何共同贡献灵敏度、重复性与稳定的接触测量能力。

为皮肤、标记场与光电传感器提供机械对准，用于机器人或生物信号夹具中的重复测量。

支撑基底

紧凑成像单元观测内部形变场，无需把电子元件放在接触表面。

光电传感器模组

透明窗口稳定成像路径，同时将光学系统与变形触觉腔体隔离。

密封光学窗口

稠密内部特征放大并编码局部接触、剪切与微运动，形成可追踪视觉模式。

标记针阵列

柔软外表面将微小接触载荷、压力变化与脉搏式运动耦合为可测形变。

柔性接触皮肤

在固定画框中滚动页面，观察接触如何从柔性外表面传递到内部标记场与光电传感器。移动鼠标可产生视差，点击组件可聚焦查看。

从接触到信号的分层路径

从轻柔接触到可用触觉信号

走进柔性光电触觉指尖内部。

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。

一枚柔软的指尖，让机器人感知形状、力与接触动态。

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。

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。

高分辨率形变线索

仿生形态支持更安全的物理交互，并更好地贴合物体表面。

柔软顺应的指尖

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。

AI 就绪的触觉数据

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。

可嵌入机器人手

TacTip 感知栈

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。

为灵巧手渲染触觉。

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。

大规模并行训练，直达真实部署。

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。

剪切敏感的触觉仿真，规模化训练。

从触觉研究，到机器人产品。

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。

用柔软触觉捕捉脉搏波形。

全球领先的光电触觉传感器，以同一感知原理适配不同接触任务。触觉并非压力，是包含多维知觉信息的复合信号。

光电触觉指尖、可配置科研套件与触觉灵巧手，把接触感知、实验验证和机器人集成连接起来。

同一感知原理，
覆盖从科研到集成。

柔性接触表面与内部特征结构，将微小形变转化为光电触觉观测。配合跟踪与信号解释软件，支持分析接触几何、切向变化、滑移与纹理线索。

TacTip 光电触觉指尖

面向富接触操作的柔性触觉界面，感知信息不止于压力。

为触觉感知与操作算法研究提供可配置的实验路径。不同表面形态与模块化夹具，便于比较接触条件，并将感知接入数据采集、分析与仿真工作流。

TacTip 科研开发套件

探索不同接触表面，在模块化平台上建立可重复的触觉实验。

ARIA 是面向触觉灵巧操作的系统集成与验证平台。混合驱动路线把手部机构、触觉感知、布线、标定与反馈工作流结合起来，支持具身智能团队研究从接触到动作的完整闭环。

ARIA 触觉灵巧手

把触觉感知装入完整操作平台，从指尖感知走向反馈驱动的动作。

销售与交付路径围绕应用成熟度展开，从聚焦的科研评估，走向可重复集成，再进入项目化批量交付。

明确接触任务，选择指尖或科研套件，建立感知与数据工作流。

科研验证

匹配目标机器人的机构与接口，评估标定、操作和实际应用表现。

集成试点

围绕项目确认产品配置、验收条件、数量、支持与交付计划。

批量与定制

清晰的触觉产品交付路径。

尺寸、采样配置、标定范围、通信接口与套件清单，均在具体产品配置下确认。选型时将应用任务、系统接口与验收条件一起落实。

先定义接触，
再定义传感器。

让触觉成为能力。
从指尖到灵巧手。

光电触觉让接触变得可观测，学习将触觉信息转化为状态估计，控制再将感知带回物理世界。沿着这条脉络，探索 Nathan Lepora 教授及合作者的公开研究。

从感知触觉，走向灵巧行动。

两条触觉机械臂学习协同推物、调整朝向与聚拢任务，并将策略从仿真迁移到真实硬件。

Bi-Touch: Bimanual Tactile Manipulation with Sim-to-Real Deep Reinforcement Learning

一组通过 3D 打印制造的柔性触觉传感器，以仿生结构将皮肤形变转化为内部标记的运动。

The TacTip Family: Soft Optical Tactile Sensors with 3D-Printed Biomimetic Morphologies

使用统一的仿真到现实方法，在推物、边缘跟随与表面跟随任务中比较 TacTip、DIGIT 和 DigiTac。

Tactile Gym 2.0: Sim-to-Real Deep Reinforcement Learning for Comparing Low-Cost High-Resolution Robot Touch

研究利用深度学习估计表面和边缘的接触位姿，并处理滑动剪切等变化带来的影响。

Optimal Deep Learning for Robot Touch: Training Accurate Pose Models of 3D Surfaces and Edges

以历史视角梳理机器人触觉的发展，回看反复出现的挑战，并讨论未来的研究机会。

Tactile robotics: Past and future

在仿真中训练触觉策略，并迁移到真实机器人手，研究不同旋转轴与手部朝向下的在手旋转。

AnyRotate: Gravity-Invariant In-Hand Object Rotation with Sim-to-Real Touch

将接触位姿与剪切估计用于连续控制，实现目标跟踪、表面跟随及单臂或双臂推物。

Pose-and-shear-based tactile servoing

利用多指触觉反馈调节抓握，研究易损物体持握、倾倒与人类引导运动。

Shear-Based Grasp Control for Multifingered Underactuated Tactile Robotic Hands

从柔性指尖的物理设计，到解释接触的模型，再到引导机器人行动的反馈，这些方向相互连接。

深度学习从触觉观测中估计接触位姿。Tactile Gym 进一步连接仿真、强化学习与真实传感器，研究推物、表面跟随等任务。

触觉学习

将观测转化为可用模型。

位姿与剪切信息支持连续触觉控制。双臂操作、在手旋转与多指抓握控制，将这种反馈从单点接触扩展到协同行动。

灵巧操作

用触觉闭合行动回路。

TacTip 家族通过柔性皮肤与内部标记，将接触形变转化为图像测量。传感器的形态与力学结构，本身就是感知系统的一部分。

光电触觉感知

让接触变得可观测。

感知。学习。操作。

本页选取 Nathan Lepora 及合作者的部分已发表研究。更多研究方向、演示与完整论文档案，请访问教授个人网站。

回到原站，了解更多。

欢迎与 TacTip 团队交流科研合作、集成试点与产品选型。

触觉并非压力，是包含多维知觉信息的复合信号：接触几何、剪切、滑移、纹理与动态变化共同构成接触的感知。

通过真实产品演示，观察微小接触及动态变化。

先确认应用与配置，再确定机械尺寸、光电读取设置及标定输出。参数以具体产品与任务确认结果为准。

客户任务定义产品接口，联合标定与软件工具提高结果可比性，机器人实验验证应用价值，制造数据与客户反馈共同驱动下一轮迭代。

从接触信息，到客户可验证的结果。

围绕软件平台、物理产品、生产制造、市场转化与机器人应用验证，形成连续的产品执行链。

让产品走向交付的执行团队。

专家团队参与研究路线、关键技术评审与开放平台建设，把触觉研究连接到可复现的工具链和真实机器人实验。

研究牵引，工程落地。

他拥有布里斯托大学机器人学硕士 Distinction 与中南大学物联网工程本科背景，是 TacPulse 论文第一作者，研究利用柔性触觉传感器从皮肤微小形变中恢复脉搏波形。在 TacTip，他负责技术与产品路线、核心研发及团队建设。

管博昂

TacTip 连接光电触觉传感、机器人学习与产品工程。创始人、专家团队与核心成员协同，把研究方向、软件基础设施和交付能力组织起来，让接触信息进入真实机器人应用。

从触觉研究，到机器人可用的感知能力。

北京理工大学助理教授，布里斯托大学工程数学博士。研究聚焦触觉仿真、机器人学习、虚实迁移与灵巧操作，参与 Tactile Gym 2.0、Bi-Touch 等研究。在 TacTip 推进开源工具、评测基准与真实机器人验证的产学研协同。

林一炯 博士

以技术专家身份参与 TacTip 核心团队，为团队的技术工作提供专业支持。

郭晓庆 博士

拥有布里斯托大学机器人学硕士与萨塞克斯大学人工智能本科背景，结合触觉实验、数据分析与实际制造流程规划经验，负责生产导入、工艺工装、供应商协同、质量检测与批次追溯。

李瀚泽

中南大学计算机科学与技术专业背景，拥有四年 TikTok 商业化后端系统工程经验。在团队负责 Device SDK、标定与数据引擎、模型运行、版本管理及设备可观测体系。

童玉龙

徐星辰 博士

拥有天津大学工业设计本科与布里斯托大学航空机器人硕士背景，经历涵盖消费硬件研究、产品定义与机器人结构。在 TacTip 负责物理产品边界、结构集成、安装接口、样机与体验验证。

张淋悦

中南大学物联网工程专业背景，具备平台商业化、渠道增长与创业实践经验，负责市场洞察、客户触达、渠道合作与销售转化，把客户场景及采购需求反馈到产品与试点验证。

朱烁璟

布里斯托大学机器人与人工智能教授，Bristol Robotics Laboratory 灵巧机器人研究组负责人。研究横跨仿生触觉、计算神经科学与机器人学习，在 TacTip 参与长期研究路线、关键技术评审与国际学术协同。

Nathan F. Lepora 教授

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。