Xspark AI丁文伯：机器人可信触觉智能的探索者

2016 年博士毕业时，丁文伯手握麻省理工学院和佐治亚理工学院的博士后机会。前者延续通信研究，后者指向柔性电子与电子皮肤。他观察到通信研究重心正从学术界转向工业界，而柔性电子仍有许多基础问题，最终选择佐治亚理工学院，跟随王中林院士从零开始。

2018-2019 年，丁文伯真正开始把机器触觉作为长期研究方向。当时国内长期做机器触觉的团队可能只有 5-10 家，很多基础问题未解决。他的判断是：机器人进入真实世界完成抓取、操作、装配，只靠视觉不够，接触后的力、滑动、材质、温度等信息最终要靠触觉。

早期研究聚焦传感器，团队开发了多模态触觉传感器 SuperTac，融合多光谱成像与摩擦电感知，可同时感知力、温度、材质、纹理、滑动、接近等信息。但到 2022-2023 年，他意识到单纯把传感器做得更强不够，问题转向数据和模型。

触觉数据规模化采集比视觉更困难。首先是传感器一致性问题，即使同一设计，不同设备也有差异，使用久了会磨损漂移，需要持续校准。第二是模态定义不统一，触觉覆盖范围、关键变量没有共识。第三是表征问题，触觉信号以什么形式进入模型没有标准答案，转换过程可能损失重要信息。

成本也是现实问题：视觉数据可被动采集，触觉数据必须通过真实接触产生，每条数据背后都是物理交互，涉及硬件、校准和磨损。不同传感器原理和输出形式不同，数据难以像图像那样天然互通。仿真和生成数据可补充规模，但触觉涉及摩擦、形变等复杂接触物理，sim-to-real 难度明显高于视觉，真实数据难以完全替代。

HumanTouch 是工程化尝试：持续校准设备，结合手部姿态、时间历史判断真实接触，利用人手自然操作同步记录触觉、动作和视觉数据。目前数据已累计超过 1,000 小时、覆盖 100 多项任务，首批公开子集约 100 小时。丁文伯坚信触觉存在 scaling law，但单纯增加数据量可能不是关键，更现实的是扩大高质量数据规模并研究泛化能力。