在IROS 2026触觉专题研讨会上，哥伦比亚大学李昀烛团队介绍了其开源柔性压阻式触觉传感器平台FlexiTac的最新进展。该平台开源一年半以来，已在学术界与工业界获得广泛采用，Analog Devices（ADI）正在推进其商业化版本，该版本触觉分辨率达到人类手指的五倍，基于半导体制造工艺量产。
FlexiTac是一套低成本、开源、可扩展的压阻式柔性触觉传感器方案。团队同时开源了完整BOM、详细组装说明以及用于读取触觉数据的软件。该传感器采用FPC与力敏薄膜层叠结构，组装仅需3分钟，可弯曲、裁剪并包裹于不同几何表面，适配手套、指尖或机器人皮肤等多种形态。其技术栈已集成进主流机器人学习框架LeRobot，使用者只需拥有一台可打印SO-100机械臂的3D打印机，即可将触觉传感器集成至机器人系统。
李昀烛指出，触觉研究领域长期面临传感器方案碎片化的问题。与计算机视觉已形成相对统一的传感器和数据体系不同，不同实验室往往使用自研、互不兼容的触觉传感器，在寿命、柔性、多维信息感知、分辨率、成本与一致性之间难以兼顾。FlexiTac的核心优势体现在可扩展性、柔性、可定制化、长期稳定性与批次一致性等方面。据其介绍，2024年夏天制作的传感器在时隔一年半后，配合当时采集的数据训练出的模型依然可以正常工作。不同批次加工出来的传感器输出信号也能保持一致，这一点在含橡胶材料的触觉传感器中尤为困难。
仿真适配性是FlexiTac的另一关键优势。由于传感机制简单，仿真实现仅需构建弹簧-阻尼系统并标定3个超参数。团队在真实环境与仿真环境中分别采集触觉数据并绘制直方图，对齐效果理想。李昀烛表示，仿真与真实对齐越精确，sim-to-real迁移越精准。该框架已在实验室双臂装配任务及英伟达人形机器人上完成验证。
在真实数据规模化采集方面，FlexiTac为UMI手持遥操作设备补上了触觉反馈记录的短板。原版UMI仅记录精准位姿跟踪信息，不存储触觉反馈，接入FlexiTac后可将人类操作者感受到的触觉反馈记录为传感器输出信号，实现视觉与触觉时间同步的大规模数据采集。
开源约一年半以来，FlexiTac已衍生出多模态策略、可变形世界模型、四足移动-操纵、VLA触觉反馈等多个研究方向。团队与普渡大学合作的多指灵巧操纵工作VTAP Gripper入围本届IROS最佳论文奖。随着ADI推进商业化量产，柔性触觉传感器有望从实验室走向规模化部署，为具身智能提供更可靠的触觉感知基础设施。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
