论文导读
清华大学、斯坦福大学、剑桥大学等机构提出SoTa柔软触觉皮肤，用低于10美元的材料成本，在人手和机器手上布置对应的202个触点。固定机器人示范数量后，加入人类视觉与触觉示范，八种评测条件的平均成功率从22.8%升到45.9%。手套记录的接触信息可以补充机器人的操作训练。
人手和机器手用同一套触点布局
拿起叠放的薄杯，机器手要知道抓住了几层、是否压坏杯壁；插插头时，也要分辨对齐和顶住边缘的差别。摄像头能够观察位置，接触细节还需要手掌与手指提供信息。
SoTa采用电容式感应结构，覆盖指尖、指节和掌心。它可以适配不同手形，同时保持202个触点在对应区域的布局一致。人手采集到的接触信号因此能与机器手信号共用一套表示，不必先另学一个跨传感器转换器。
皮肤由多层柔软材料和织物电极组成。低于10美元指单张皮肤的材料成本，不能理解为整套机器手、读出电路和采集系统的售价。
图：按不同手形定制、区域布局对应的两张触觉皮肤。
让人戴着手套先做示范
机器人示范通常依赖遥操作设备。人直接动手更方便，但手指形状和控制方式不同，记录下来的经验很难直接变成机器人动作命令。SoTa选择先对齐双方的触觉布局。
实验为箱子转向、叠杯取杯、插头插入三个任务，分别收集75、50、75条机器人示范。每个任务另有150条人类示范，涉及三个训练物体，其中一个与机器人训练物体重合。
人类数据用于辅助学习任务阶段等信息，机器人动作监督仍来自机器人示范。共同的视觉和触觉经验补充的是感知与任务理解，论文没有把人类手部轨迹原封不动地当成机器手轨迹。
图：机器手遥操作与人类触觉示范的两种采集装置。
平均成功率翻倍，靠的不只是加传感器
评测包含三个训练分布内条件和五个未见条件。每种策略、每个任务条件试验40次，只有完整完成才算成功，做了一部分也计为失败。固定机器人示范预算，加入人类视觉与触觉数据后，八种条件的平均成功率从22.8%提升到45.9%。
只添加触觉、只用机器人数据，也能改善三个熟悉任务中的表现，但对未见杯子和插头并不总是有效。完整方法的优势来自触觉硬件与人机共同训练的组合，不能把翻倍成绩全部归功于一层皮肤。
硬件测试中，传感器经过10000次加载卸载后保留超过97%的初始响应范围，导线在1280次紧握折叠后仍导通。操作实验每项使用一个训练种子，耐久试验也未覆盖长期持续使用中的所有磨损。
图：箱子、杯子和插头条件下多种训练方案的成功率。
下一步：先扩充人的接触经验，再测迁移范围
可穿戴皮肤让人类示范不必每次带上机器人，适合继续收集不同物体、任务和操作者的接触记录。下一步要检查人类数据增加后，机器人还能获得多少收益，以及能替代多少昂贵的遥操作数据。
作者计划提供制造流程、传感器设计、电路文件和固件。计划公开不等于这些资源都已完整开放；复现时仍需检查项目页实际可取得的材料，并在目标机器手上重新测试贴合与信号稳定性。
参考资料
https://arxiv.org/abs/2610.02338
