具身智能数据荒破局：柔性织物传感如何重构触觉采集新范式
触觉数据缺口：具身智能落地的隐性瓶颈
在人形机器人本体结构、电机效率及关节控制等硬件工程相继取得突破的当下，行业竞争的焦点正悄然发生转移。深层制约不再是机械臂能否做出精准动作，而是机器人能否理解并适应复杂多变的真实物理世界。这一转变直指一个严峻的现实：高质量真实物理交互数据的结构性短缺。
据相关产业报告数据显示，截至2026年初，全球积累的高质量真实物理交互数据总量约为50万小时。然而，要训练出具备基础泛化能力的通用具身智能模型，至少需要千万小时级的数据支撑。这意味着，数据缺口高达九成以上。这一鸿沟不仅限制了模型的泛化能力，更可能导致机器人在面对从未见过的物体或场景时出现严重的适应性错误。
相较于视觉图像和文本信息可以通过互联网进行近乎无限的归集与扩充，触觉模态的数据获取具有天然的物理壁垒。触觉信号源于实体间直接的物理接触，其核心特征包括压力分布、摩擦力变化、材质形变等复合力学特征。目前的仿真环境虽然能模拟物体的形状、位置甚至部分力学属性，但难以复现真实场景中细微且动态变化的接触力学特征。这种仿真数据集与真实触觉真值之间的固有偏差，使得纯虚拟数据无法完全替代真人实采数据。
因此，行业亟需一种能够从物理端高效获取真实触觉信号的手段，将人类操作中的细微感知转化为机器可学习的标准化数据。
技术演进：从“外挂贴合”到“织物即传感器”
数采手套作为连接人类操作与机器人学习的物理接口，成为填补这一触觉数据空白的关键路径之一。然而，当前的主流技术路线大多存在先天缺陷。
目前市面上常见的方案多采用印刷电路或薄膜传感器贴合于织物表面。这种将传感器层与织物层分离的结构，在实验室环境或短期演示中尚可运行，但一旦进入真实、高频的应用场景，其弊端便暴露无遗。多层结构叠加带来了层间位移、面料褶皱以及汗渍渗透等问题，这些因素会直接干扰传感信号的准确性，产生大量的“脏数据”和“鬼影噪声”。
以印刷薄膜为例，TPU或布料上的印刷传感器并非天然适合手套形态。人类佩戴手套时，织物具有延展性和透气性需求，而多层贴合方案往往导致手套过厚、不透气，汗渍积聚会导致传感器性能衰减甚至漂移。更关键的是，层与层之间在手指弯曲或抓取物体时容易产生相对滑移，这种机械位移会被传感器误读为压力变化，从而引入严重误差。
面对这一痛点，行业需要一种从源头解决结构不稳定性的方案。尧乐科技提出的核心创新在于打破“传感器+载体”的二元结构，实现传感功能与织物结构的深度融合。其采用的“金属纱线+三明治矩阵”技术，摒弃了传统的涂层或电镀工艺，使用纯金属拉丝合金纱线编织成导电网络，直接嵌入由多层织物构成的矩阵中。
这种一体织造成型工艺，使得传感电路与布料融为一体。当手指弯曲时，由于传感网络与织物基体同步形变，不存在层间滑移问题；在空抓状态下，面料的自然褶皱也不会触发无效信号。从根本上消除了因结构位移带来的信号误差，大幅提升了数据采集的可靠性与一致性。
数据价值重估：硬件是入口，数据是长线
在商业逻辑的重构中，数据手套的定位正在发生深刻变化。传统硬件思维追求“用十年不坏”的耐用性，但在具身智能数据采集场景中，这种思维反而可能成为负担。
创始人吕莉蕴指出，数据手套更像是一种“消耗品”。用户真正需要的不是在寿命期内绝对不损坏，而是在整个使用周期内保持数据的高准确度，并且成本可控、可快速替换。这种理念的转变，推动了产品设计的模块化革新。
尧乐科技的数据手套采用了独立的采集盒设计，集成供电、信号处理和存储模块，而手套本体则可以单独替换和水洗维护。这一设计不仅保障了长期采集任务的连续性，还极大地降低了故障后的维修门槛和整体使用成本。
从商业模式来看，硬件仅是获取数据的入口，真正的价值在于后续的数据处理与服务。公司交付给客户的不仅是手套硬件，还包括数据采集、清洗、标定以及时间轴对齐等全套预处理服务。经过校准的传感器具备良好的一致性，消除了批次差异或单只手套间的偏差问题。
这种“硬件+数据服务”的模式，有效降低了客户在模型训练阶段的数据清洗成本。对于具身智能公司而言，他们需要的不是原始传感器信号，而是经过清洗、标注、对齐的高质量训练素材。通过提供标准化的数据接口，尧乐科技实际上是在构建一套触觉数据的“预处理流水线”，确保喂给模型的数据具备高可用性和泛化价值。
场景分化：从具身智能到工业与医疗
随着技术成熟度的提升，数据手套的应用场景正从单一的具身智能训练向多元化领域拓展，不同行业对数据的需求呈现出显著差异。
在具身智能和世界模型领域，核心需求是操作数据的“异构性”。客户不能只采集单一手型或单一物体的数据，不同人手型、发力习惯、操作节奏的差异，对模型的泛化能力至关重要。此外，这类客户对数据预处理要求极高，需要压力数据与图像数据在时间轴上精确对齐，多模态信息的同步性直接决定了后期模型的训练效果。
在大型工业企业和物流公司，需求则侧重于劳动健康风险评估和效率优化。例如，通过采集工人佩戴劳保手套作业时的手部动作和受力数据，分析哪些动作容易造成劳损、哪些工序劳动强度偏高，进而优化作业流程。这类需求在海外尤为明显，企业对员工健康合规性要求严格，愿意为生物力学指标支付溢价。与传统训练数据不同，这类数据不需要复杂的多模态融合，而是需要直接解读关节受力峰值、重复性动作频次等指标。
在医疗康复领域，数据手套应用于手部功能恢复监测和中风患者康复训练评估。这里的核心要求是传感器的重复性和一致性，因为康复进程往往以毫米和秒为单位衡量。如果传感器本身的漂移幅度超过康复进展的细微变化，数据将失去临床参考价值。
这种场景的多样化要求企业不能只提供标准化产品，而必须具备根据应用场景定制配置和数据分析的能力。通过与客户深度合作，共享数据资源，企业能够从单纯的设备供应商转型为数据价值合作伙伴。
行业展望：车规级迁移与出海机遇
今年国内柔性触觉感知赛道迅速升温，电子皮肤手套厂商数量激增，技术路线涵盖印刷薄膜、视触觉、织物传感等多个方向。竞争的关键节点在于，谁能率先在保证数据准确性的前提下，实现规模化量产与成本下探。
尧乐科技的核心优势在于其车规级场景积累的可靠性与供应链管理经验。汽车电子对传感器的稳定性、环境适应性和寿命有着极高的要求，这些经验可以无缝迁移至机器人场景。这种高标准的工程化能力，使其产品在极端环境下的表现优于许多初创团队。
随着2026年数据手套业务预计占据公司营收一半以上，全年营收翻10倍的目标显现，行业正迎来从技术验证到规模商用的拐点。投资方云道资本指出，一级市场正从关注“本体够不够炫”转向追问真实物理交互数据的来源与规模化产能。触觉公司的价值不再仅仅是传感器本身，而是将人类真实接触转化为可进入训练链条的数据入口。
鼎和高达引入常熟汽饰等战略投资者，也预示着车规级量产方案向海外市场的拓展。随着海外主机厂对OCS（乘客分类系统）及车内交互感知需求的刚性化，中国企业在柔性传感领域的工程化能力有望在全球Physical AI竞争中形成独特的“中国加速度”。
未来，触觉感知将从具身智能的“可选配置”演变为“基础感知层”。谁能掌握高效、低成本、标准化的触觉数据采集与处理技术，谁就能在下一个AI时代的竞争中占据基础设施的高地。这不仅是技术的较量，更是对物理世界理解深度与数据工业化能力的综合考验。