Digid纳米传感器：如何破解机器人触觉感知难题

Digid纳米传感器：机器人触觉感知的破局之道

人工智能和机器人技术这两年有多火，不用我多说。大家的注意力，大多被软件、大语言模型、以及越来越强的处理器吸引走了。但要让机器人在真实世界里跑起来、干起活，还有一样东西是基础，却往往容易被忽略——那就是感知和理解周围环境的能力。

说白了，机器人得知道自己在摸什么、抓什么、碰到了什么。这事儿，正推动着整个行业对先进传感技术的兴趣不断升温，大家都想给机器装上更“灵”的感官。

最近，一家叫Digid的德国科技公司进入了视野。他们专注于研发纳米级的力、温度以及其他物理量的传感器。按他们的说法，这些传感器体积小到可以直接集成到客户的产品或零部件上，在传统传感器根本塞不进去的地方完成精准测量。

Digid已经完成了纳米传感器技术的产业化，生产了超过一百万个传感器，覆盖了机器人、医疗器械、可穿戴设备、工业系统和AI基础设施。公司2019年从诊断和BioMEMS技术起步，现在逐步扩展到了更广阔的工业和机器人应用领域。在近期的CES展会上，他们的技术展示引发了不少关注。

以下是对Digid产品负责人尼尔斯·科内（Nils Konne）与业务拓展负责人克里斯蒂安·克雷尔（Christian Kreil）的访谈实录，看看他们到底在解决什么关键问题。

纳米传感器，到底不同在哪？

最大的区别，简单说，就是小。特别小。我们常说，全球第二小的传感器，体积也比我们的产品大四个数量级。

尺寸小带来的好处是本质性的。我们可以把完整的传感结构直接集成到客户的设备上，构建出一个能同时测量力、应变和温度的高密度传感阵列。这意味着，我们能获得以往想都不敢想的信息。因为传感器只会在表面增加几微米的厚度，客户也基本不用为了集成它而大幅修改产品设计。

对于很多客户来说，现在的问题已经不是“你们的传感器是不是更小”，而是“在你们的方案出现之前，这种测量是不是根本不可能实现”。

机器人触觉感知，怎么破题？

触觉感知，至今仍然是机器人领域公认的技术难点。

我们的传感器可以用来制造机器人皮肤和高灵敏度指尖，传感密度甚至能超过人类皮肤。目标不是完全复制生物功能，而是给机器人提供更丰富的信息，让它更清楚地感知到握在手里的是什么、周围的环境怎么样。

现在机器人高度依赖视觉。但当它伸手抓一个物体时，光靠看是不够的。它还得知道自己用了多大的力、物体有没有打滑、在整个交互过程中状态怎么变化。机器人对物理世界的感知越精准，它能做的事情就越多、越可靠。

传感器多了，数据怎么处理？

确实会带来数据处理难题。

解决思路不是把所有传感器的数据都往云端传，而是在本地处理，只把有价值的信息交给上层系统。

举个例子，机器人抓杯子的时候，系统最关心的是“抓稳了没有”，而不是每个传感器输出的原始数值。随着触觉感知技术越来越复杂，我们认为本地预处理会变成一个核心环节。

哪些领域的需求最旺盛？

我们的客户从初创公司到《财富》500强都有。目前需求最强劲的领域集中在机器人、可穿戴设备、医疗器械、工业传感以及人机交互界面。这些客户面临同一个痛点：需要在传统传感器因为太大或太贵而部署不了的位置，获取感知数据。

自从CES参展以来，我们发现越来越多的头部企业开始寻找方案，想在现有技术做不到的地方进行力和温度的测量。

AI基础设施里的新机会

AI数据中心发热量很大，高效的热管理越来越重要。我们的传感器可以集成在发热元件附近，提供高度本地化的温度数据，帮助运营者更精确地掌握热行为特征。

无论是机器人还是AI基础设施，核心逻辑是一样的：更好的感知，带来更优的决策。

公司现状与未来规划

两年前我们注意到，市场对极小的力和温度传感器有巨大需求，所以从工业传感和机器人领域切入。现在公司大约30人，已经实现营收，正朝着完全自我造血的方向走。在一个合作项目里，我们帮客户把压力传感系统的零部件数量从30个降到了6个，复杂度、生产难度和成本都大幅下降。

我们觉得自己还在起步阶段。客户不断带来我们之前没想过的新场景。随着产品越来越小、越来越智能、越来越互联，纳米级传感技术的需求肯定会持续增长。我们的目标是，当客户的传统技术搞不定的时候，我们成为他们的标准答案。

Q&A 快速回顾

A：最大优势就是极小的体积，比全球第二小的传感器还小四个数量级。它可以直接集成在产品上，在传统传感器放不下的位置进行测量，还能构建高密度传感阵列同时测力、应变和温度，集成时基本不改变原有设计。

A：触觉是机器人长期以来的难题。Digid的纳米传感器可以造出传感密度超高的机器人皮肤和指尖。机器人抓取物体时，除了视觉，还需要感知力度、是否打滑、交互状态等信息。纳米传感器能提供这些关键信息，让机器人感知更精准，操作能力更强。

A：Digid认为关键在于本地化处理，而不是全上传云端。以抓杯子为例，系统需要的是“抓稳了”这个结果，而不是每颗传感器的原始数值。通过本地预处理，只传递有价值的信息，可以大幅降低数据传输压力。随着触觉感知技术越来越复杂，本地预处理将变得至关重要。