在IROS 2026触觉专题研讨会上，哥伦比亚大学李昀烛团队系统介绍了其开源柔性压阻式触觉传感器平台FlexiTac开源一年半以来的进展与生态。该平台旨在解决触觉传感器在寿命、柔性、多维感知、分辨率、成本与一致性之间难以兼顾的问题，让触觉成为可被更多机器人使用、被大量采集、被算法反复利用的基础感知能力。
FlexiTac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，适配触觉手套、指尖传感器或机器人皮肤等多种形态。团队同时开源了完整物料清单、分步装配说明以及用于读取触觉数据的配套软件，并将软硬件技术栈集成至主流机器人学习框架LeRobot。据李昀烛介绍，任何人只要拥有可打印低成本SO-100机械臂的3D打印机，即可将传感器集成至机器人开展研究。
该传感器的核心优势体现在可扩展性、柔性与一致性三个维度。其既可制成大面积阵列，也可做成小尺寸形态；在长期稳定性方面，团队2024年夏季制作的传感器在一年半后仍可配合此前采集的数据训练模型正常工作；在不同批次一致性方面，该传感器也表现出较好水平，而这一指标正是许多含橡胶材料触觉传感器的痛点。此外，由于感知机制简单，该传感器可通过标定3个超参数的弹簧-阻尼系统实现高保真仿真，仿真与真实信号直方图对齐效果理想，有助于减少sim-to-real迁移中的随机化需求。
开源约一年半以来，FlexiTac已在学术界与工业界获得采用，衍生出多模态策略、可变形世界模型、四足移动-操纵、VLA触觉反馈等多个方向的工作。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。在数据采集层面，接入FlexiTac可弥补UMI手持遥操作设备仅记录位姿跟踪信息、不存储触觉反馈的缺失。
商业化方面，Analog Devices（ADI）正在推进FlexiTac的商业化版本，该版本触觉分辨率达到人类手指的五倍，并基于半导体制造工艺实现量产。李昀烛同时指出，触觉领域至今尚未形成统一标准，不同实验室多采用自研且互不兼容的传感器，这与发展成熟的计算机视觉形成对比。FlexiTac的开源实践为触觉数据的规模化采集与跨系统复现提供了一种可参照的路径。
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。
