“ 触觉的下一场竞争，开始算“数据生产效率”。
今年具身智能最热的两条线，正在撞到一起：一条是数据，一条是触觉。
从动作捕捉、遥操作，到近两年热起来的第一视角采集，具身智能的数据入口正在不断扩展；另一边，过去更多围绕电子皮肤、力传感器展开的触觉赛道，也明显开始往数据和模型侧延伸。
这种升温已经很具体。2026年上半年，触觉感知赛道几乎每月都有企业完成融资，资金投向中就包括触觉数据采集设备、大规模触觉数据集和触觉模型。到了今年的2026世界机器人大会（WRC），触觉数据采集手套、全模态数采套件等展品也开始密集出现。
最近，机器人大讲堂就在这两条线的交叉点，注意到一个有意思的新品。
9月23日，途见科技最新推出了一款快拆版柔性电子皮肤触觉数据采集手套TachinGlove Snap。
相比常见的一体式数采手套，它最明显的变化就是，采集模块可以从手套本体上直接拆下来。按照途见的描述，用户只要同时按压手套背部采集模块两侧卡扣，即可将模块快速拔出；对准新手套背部接口，再同时按压两侧卡扣，听到“咔嗒”一声即可复位。整个过程不超过3秒，采集模块像“充电宝”一样，即使更换“手机”，也能继续使用。也就是说，在高频试验、多批次采集和多人轮换中，手套本体可以快速更换，核心采集模块继续复用。
这个设计看起来只是一个工程化的改动，却恰好展现出触觉数采正在发生的一层变化。当行业开始认真计算模块复用、设备周转和长期使用成本，竞争的问题已经不只是“数据能不能采到”，而是“怎么以更高效率持续获得高质量数据”。
这也是具身智能触觉数据进入下半场开始出现的新变量。
01.
触觉的竞争，开始多出一笔效率账
触觉数采真正难起来，不是在“能不能采”的那一刻，而是在采集规模往上走之后。
和视觉数据不同，触觉数据天然更依赖人与设备的真实接触。一次抓取、按压、插拔，往往需要采集者实际完成整个动作，手套、传感器和采集系统同步工作，数据才能被留下来。
这也意味着，触觉数据的生产天然带着更重的硬件属性。
当采集还停留在小规模验证阶段，设备更换慢一点、本体损耗高一点，影响并不明显。但一旦进入高频试验、多批次任务甚至多人轮换，问题就会迅速被放大：一套设备能连续工作多久？耗损部件多久要换？更换一次会中断多长时间？核心模块能不能重复利用？
这些看起来都是工程细节，最后却会汇总成同一笔账——单位时间里，到底能稳定产出多少有效数据。当数据量越往上走，采集设备的利用率、人员操作效率、维护成本，就越难被忽略。
这个时候，数采设备的周转效率，最终会影响一条触觉数据的生产成本。途见此次推出的TachinGlove Snap，正是在这一层做文章。
02.
从把“手感”采下来，到提高数采效率
要看懂Snap为什么要做“快拆”，得先回到标准版数采手套最初解决的问题——触觉数据怎么被完整采下来。
早在上个月的2026世界机器人大会（WRC）上，途见科技就发布了其自主研发的全球首款柔性电子皮肤触觉数据采集手套TachinGlove（标准版）。它解决的第一层问题，是怎么把人的“手感”数字化。
传统的视觉、动作捕捉和手部位姿数据，能够记录“看到了什么”和“手怎么动”，却很难完整记录手与物体接触时发生的细节。TachinGlove补上的正是这一维度。手套采用柔性贴合和仿生掌纹分布，单只集成千级传感点位，可以记录压力、切向力等触觉信息，并与视觉、手部姿态、任务文本等多模态数据进行同步。
这样，一次真实操作留下来的就不再只是动作轨迹，而是进一步包括看到了什么、手怎么动、碰到了哪里、用了多大力。
此外，它还有一项对数采很关键的能力——空抓无脏数据。简单来说，就是手指发生弯曲、但没有真正接触物体时，能够尽量避免因为手套自身形变产生伪触觉信号。
柔性可穿戴设备在手指弯曲时，本身也会发生形变。如果这种形变被误识别成真实接触，采回来之后就需要额外清洗。对于高质量数采来说，源头少产生无效信号，本身就是在降低后处理成本。
标准版TachinGlove采用一体化设计，更适合长期固定项目和相对低频的采集。到了高频试验、多批次采集和多团队轮换的场景，采集设备面对的就不再只是“能不能采”，而是“能不能快速换、持续用”。
这也是Snap快拆版要解决的问题。它将核心采集模块与手套本体分离，当手套本体需要更换时，核心采集模块可以继续复用。
性能上，这款数采手套并没有因为快拆而“缩水”。法向力、切向力照样感知，力分辨度0.05 N/cm²，单只783个传感点，五指加掌心全覆盖，力量程最高30 N/cm²，空间分辨率小于2mm，WiFi无线连接，采集模块不超过50g。成本上，按照途见提供的数据，在模块摊销后，Snap单次采集成本可降低约40%。
这些能力对应的，正是高频实验室、多团队协作、户外采集、遥操作训练中心等场景。它们要的就是模块复用、快速切换和长期降本。
从标准版到快拆版（Snap），途见解决的首先都是采集端的问题，即怎样把真实接触过程稳定、准确地留下来，并适配不同的数据采集需求。
但数据被采下来，还只是第一步。
03.
数据采下来之后，还要变成“能用的数据”
触觉数据有一个天然难点，它和底层传感器绑得很紧。
不同技术路线产生的原始信号并不一样，有的输出电阻变化，有的输出电容变化，有的又是其他信号形式。如果这些数据始终停留在设备原始信号层面，那么换一套传感器，原来的数据就很难直接复用。
所以真正有价值的触觉数据，还要继续经过标定、同步和标准化，把底层信号转换成压力、切向力、温度、接触位置等具有明确物理意义的信息，再与视觉、姿态、任务文本放到同一条时间轴上。
这也是途见此前在WRC上同步做的另一件事。公司开源了首批全手触觉具身数据集，覆盖抓取、折叠、装配、插拔、倾倒、按压、旋转、擦拭等20类任务，并同步包含压力、切向力、手部姿态、视觉和任务文本等多模态信息。（附上数据集开源地址：https://huggingface.com/Tachintech）
这一步真正想解决的，是让不同场景下采回来的触觉信息，尽可能变成一种可以被训练、被迁移、被复用的数据。
对触觉数据而言，规模当然重要，但真正决定长期价值的，还包括它能否跨设备、跨任务复用。否则数据采得再多，也很容易变成彼此割裂的数据孤岛。
04.
从电子皮肤到模型，途见把链条越拉越长
如果说前面解决的是“数据怎么变得可用”，那么途见更值得看的，是它为什么能够把这条链一路往上做。
途见并不是从数采手套起家。公司成立于2020年，创始人兼CEO赖建诚拥有南京大学博士、斯坦福大学博士后经历，曾在斯坦福大学Bao Group从事柔性电子研究，在柔性电子皮肤材料、器件与系统集成方向已经积累多年。公司核心团队横跨材料、化学、电子、集成电路、机械、自动化和人工智能等多个方向。
途见科技创始人兼CEO赖建诚
这种团队结构，与途见今天的技术版图几乎是一一对应的。
从本征可拉伸材料、柔性传感器、柔性晶体管，到多模态集成、集成电路，再到触觉感知算法，途见一直在把触觉能力往系统层延伸。公司也独立承担了国家重点研发计划颠覆性技术创新专项“可拉伸多模态触觉芯片及机器人电子皮肤研发”。落到产品端，目前又继续向灵巧手全覆盖触觉、机器人全身触觉系统和触觉数据采集工具延伸。
因此，途见今天的路线并不是从电子皮肤转去做数据，更像是在原有技术底座上，一层层往上搭。
电子皮肤负责产生高质量触觉信号；TachinGlove负责把真实操作过程记录下来；标准化和数据集负责把这些信息沉淀成训练数据；再往上，则是触觉模型。
但这条链越往上走，途见需要投入的研发环节也在随之增加。材料、传感器和电子皮肤是一套研发体系，数采工具和数据处理又是一套能力，再进入模型层，还意味着新的算法、算力和人才投入。
资本端也在继续补充弹药。机器人大讲堂同时获悉，途见科技近日完成亿元级Pre-A++轮融资，由北京市人工智能产业投资基金和北京市新材料产业投资基金联合领投。资金将重点用于底层核心技术研发、自动化产线建设和工艺迭代，并完善具身智能数据采集工具与消费级终端的供应链配套，加快技术成果向终端产品转化。此前今年5月，公司曾披露获Pre-A及Pre-A+两轮融资，累计金额超亿元。
对途见来说，接下来真正需要验证的，也正是这条被不断拉长的链路能不能最终贯通。如果能够串起来，它的价值就不会只落在一张电子皮肤或者一只数采手套上，而是来自从触觉信号产生、数据采集，到数据处理和模型应用多个关键环节之间的链同能力。
05.
触觉真正要争的，是数据成本和复用效率
把视角再往后推一步，触觉数据未来真正值得比较的，可能会是一条新的成本曲线。
一条高质量触觉数据从产生到进入模型，至少要经过三层成本。
第一层，是采集成本。设备能不能重复利用，换一个本体要花多少时间，长时间使用之后维护成本多高。TachinGlove Snap解决的主要是这一层。
第二层，是处理成本。原始数据里有多少无效信号，多模态之间能不能直接同步，采回来之后还需要做多少清洗和标定。
第三层，则是复用成本。如果一条数据只能跟着一款传感器使用一次，那数据越多，成本也只是在不断累加。但如果触觉信息能够被转换成统一的物理量，并被不同任务、不同模型重复调用，那么数据才真正开始具备资产属性。
沿着这条路线看，快拆版的这款数采手套只是途见这套逻辑里最前端的一环。它真正想降低的，是一条有效触觉数据从采集、处理到进入模型的总成本。这才是触觉数据真正进入规模化阶段之后，更值得比较的能力。
这也意味着，未来衡量触觉数采能力时，可能不会只看传感点位、灵敏度和感知维度，还要多看一个指标：同样一套设备、同样一段采集时间，最终能留下多少真正可训练、可复用的数据。
途见的产品线还在继续往这个方向分化。机器人大讲堂了解到，公司计划于10月推出TachinGlove Pro和Lite两个版本。Pro版本进一步融合IMU、EMF技术，配套双目及多目Ego，更强调高精度手部姿态与多模态信息采集；Lite版本则以更轻量的指套形态，进一步降低拆装和部署门槛。
一个继续提高数据质量和信息密度，一个继续压低采集与部署成本。至少从这条产品线可以看到，触觉数采的竞争已经开始从“有没有”走向更细的场景分化。既要采得准、采得全，也要考虑这批数据能不能更高效地生产、更低成本地积累。
当这些问题开始进入产品设计，具身智能触觉的竞争，也就真正从一块传感器，走向了一套数据生产体系。
