机器人指尖的压电薄膜为什么要采到 4 千赫兹：抓稳一颗鸡蛋的关键在接触的一瞬

让机械手抓住一个易碎的物体，难点往往不在视觉，而在接触发生的那几毫秒。压力大了会碎，小了会滑，留给控制器的判断窗口很窄。哥伦比亚大学的一支研究团队把压电薄膜和电容两种传感方式叠在同一根手指上，用 4 千赫兹的采样率去抓接触的起始和断裂瞬间，再靠基于人类反馈的强化学习去微调出力的大小，做成了以往没做到过的一件事：在灵巧手里摆弄易碎物体。

编译自 arXiv:2510.27048（ICRA 2026）　·　预印本开放获取

让机械手抓住一个易碎的物体，难点往往不在视觉，而在接触发生的那几毫秒。压力大了会碎，小了会滑，留给控制器的判断窗口很窄。

哥伦比亚大学的 Eric T. Chang、Peter Ballentine、Zhanpeng He、Do-Gon Kim、Kai Jiang、Hua-Hsuan Liang、Joaquin Palacios、William Wang、Pedro Piacenza、Ioannis Kymissis 与 Matei Ciocarlie 在预印本 SpikeATac 里给出了一根多模态触觉手指的设计。他们的做法是把两种物理机制叠在一起：一层做动态响应的压电薄膜，负责捕捉接触的瞬间变化；一套做静态测量的电容传感，负责给出稳定的力的大小。这层薄膜叫 PVDF，被切成 16 个感应单元，采样率做到 4 千赫兹。

动态和静态，本来就是两笔账

先说清为什么一种传感方式不够。

压电材料的输出电压与形变速率成正比。手指刚碰到物体、或者物体正要滑走的那个瞬间，接触力变化得最快，压电薄膜的信号也最强，几乎是在事件发生的同时就报出来。但一旦接触稳定下来，力不再变化，压电薄膜的输出就衰减到零，它读不出此刻正压着多大的力。

电容传感反过来。它测的是电极之间的电容变化，受力不变，读数就稳定，力的大小测得准。代价是响应慢，接触发生的那一瞬它跟不上。

两种机制各自的短板，恰好是对方的强项。SpikeATac 把它们做在同一根手指上，交接点就落在时间尺度上：接触瞬间交给 PVDF，稳定阶段交给电容。论文把这个组合叫多模态触摸传感。PVDF 之所以被命名为 SpikeATac，是因为它的响应在时域上呈尖峰状，论文原话是 spikey response，接触的起始和断裂都会激起一个尖峰。

16 个感应单元意味着这不是一根整体感知、按一个数值出力的传感器，而是有空间分辨的阵列。手指按压在物体上的位置不同，各单元的信号强度和先后顺序不同，接触的形状就有信息。

图1　SpikeATac 手指的传感结构：16 单元 PVDF 薄膜与电容层叠布置（依据原文第 2、3 节绘制）

4 千赫兹这个数字是怎么定的

采样率的取舍值得单独说。

采样太慢，接触刚发生的那几十微秒就被漏掉了。等控制器下一次读到数据，力已经加上去了，脆的物体可能已经出事。论文选 4 千赫兹，等于每 250 微秒采一次，接触的起始、峰值和断裂这些快事件都能落在采样点上。

采样太快，功耗和数据量都会往上走。手指上是嵌在一副完整机械手里的，几十根手指、每根 16 个单元，数据量乘起来不小。4 千赫兹是论文在捕捉快事件和压住数据量之间选的一个点。

论文对这一层的评价是：正是靠这条快速、灵敏的动态信号，手指才能在抓取易碎、可变形的物体时迅速而轻柔地停下来。停止这个动作，比抓取更考验系统，因为它要求控制器在力还没到危险阈值时就做出反应，而这依赖对接触起始时刻的准确捕捉。

图2　接触起始与断裂时段的动态信号与力调制策略示意（依据原文实验章节绘制）

用人类反馈去调出力的大小

硬件给出信号是一回事，让策略知道该使多大力是另一回事。

论文的学习方案把人类反馈的强化学习和基于触觉的奖励结合在一起，去微调一个策略的行为，让它学会调制出力。触觉在这里不只是感知通道，还是奖励信号的来源：力给得合适，触觉信号平滑；力给大了，接触信号会出现它不该有的形态，这种差异可以被用来构造奖励。

这套硬件加学习流程的组合，完成了一件以往没做到过的任务：在灵巧的多指机器手上，对易碎物体做手内操作。手内操作本身已经很难，指头之间要协同，物体要在掌心里重新调整姿态；再叠上易碎这个约束，力一旦控不住，整个任务就失败。论文给出的视频里演示的正是这件事。

还没验证的部分

论文的重心在硬件平台和学习流程的打通，对传感器本身的绝对精度给出的数据有限。PVDF 的灵敏度有表征，电容通道的静态精度有表征，但两种通道在实际抓取任务里怎么融合成一个力读数，论文着墨不多。

4 千赫兹的采样也有它的边界。这个频率足以覆盖接触起始和断裂，但机械手在做精细滑动检测时，接触面微小的相对运动会激起更高频的信号。这类信号落在采样带宽之外时，系统靠的是电容通道的静态判断，反应速度会慢下来。

16 个单元的空间分辨，对应的是手指一块有限面积的敏感区。如果整根手指需要覆盖更大的接触区域，单元数要上去，通道数和数据率也跟着上去，4 千赫兹这个平衡点会需要重新算。

具身智能里，触觉长期排在视觉后面。视觉能告诉机器人物体在哪，却告诉不了它此刻用了多大的力。把这件事解决掉，机器人才敢去碰那些碰不得的东西。SpikeATac 的价值不在某一个数字，而在于它把动态与静态两条传感路径拼在了一起，并让学习流程真正用上了这两路信号。

内容来源：arXiv:2510.27048（cs.RO），投稿于 ICRA 2026

原文标题：SpikeATac: A Multimodal Tactile Finger with Taxelized Dynamic Sensing for Dexterous Manipulation

作者：Eric T. Chang, Peter Ballentine, Zhanpeng He, Do-Gon Kim, Kai Jiang, Hua-Hsuan Liang, Joaquin Palacios, William Wang, Pedro Piacenza, Ioannis Kymissis, Matei Ciocarlie

原文链接：https://arxiv.org/abs/2510.27048

许可协议：arXiv 预印本，依 arXiv 默认许可公开（https://arxiv.org/abs/2510.27048）

配图说明：图1、图2 为本文依据原文献数据自行绘制。

改动声明：本文在其基础上进行了中文编译与删节，未改变技术结论与原始数据。

来源：21ic电子网

作者：Ayase