11月11日，国内领先的灵巧操作解决方案商均胜灵犀（TelePhix）发布技术文章《物理原生解耦重塑灵巧操作感知基座：从三维力、电子皮肤到近端控制》，系统披露由三维力感知、柔性电子皮肤、接近感知和近端解算组成的触觉技术路线。该方案面向抓取、插接、装配及工具操作，试图解决机器人进入接触阶段后灵巧操作的问题。
物理解耦实质是针对于触觉应用于灵巧操作的一种新的系统分工：将能够由物理结构和近端计算确定的接触信息，尽可能在感知端处理清楚，再交给模型和控制系统。公司将其概括为“触觉确定性前移”。
2026年9月，OpenAI在ChatGPT中分阶段推出GPT-6 Astra；11月10日，Google DeepMind发布Gemini Robotics 2.5，模型正在获得更强的任务理解和动作生成能力的同时，机器人如何获得稳定、及时的物理反馈，开始成为新的系统瓶颈。
均胜灵犀希望通过物理原生解耦提升三维力感知的确定性，降低机器人系统集成与任务开发门槛，推动触觉从单点器件演进为具身智能产业的基础能力，进而服务制造业柔性化、智能化升级和更安全高效的生产方式，推动具身智能在工业领域落地应用。
触觉确定性前移，物理解耦提供确定信息基础
机器人操作的难点，往往集中在动作末端的“最后几毫米”。辅助视觉定位连接器和插口，模型生成下一步动作，接触信息的缺失却无法让动作真正产生结果。
传统路径通常先采集多路原始信号，再由算法辨认不同方向的受力关系。信号耦合越强，模型和控制系统需要承担的辨识、标定与补偿工作越多。当器件、温度或接触条件发生变化，原有映射也可能需要重新调整。
均胜灵犀采用物理原生解耦设计，通过受力路径与响应关系，使法向力和切向力分别形成清晰的主响应，从传感器本体降低轴间耦合。
这一方案让力的方向在数据源头具有更明确的物理含义。进入模型和控制系统的由此不再只是混合电信号，而是可直接用于接触判断、偏载识别和动作修正的三维力数据。均胜灵犀将一部分不确定性从算法端移回物理端处理，为后续模型训练和控制集成建立更稳定的输入基础。
多维感知协同，覆盖从接近到释放的完整过程
接触操作需要回答三个连续问题：物体是否正在靠近，接触发生在哪里，受力如何随动作变化。单点测力只能回答其中一部分，也难以描述滑移、局部偏载和接触中心迁移。
均胜灵犀以柔性电子皮肤补充接触位置和空间分布。文章透露，其电子皮肤感知点密度超过100点/cm²，传感器本体厚度小于1毫米，测量范围为0.01—50N、精度小于5%FS，可贴附于指腹、手掌、夹爪和非规则曲面；集成的接近感知距离最高可达5厘米。
接近觉的存在，使机器人能够在接触前依据距离调整速度和姿态，在接触后结合三维力和受力分布判断压紧、切向作用与潜在滑移，并持续记录直至释放。接近、初触、加载、调整和释放由此被组织成一条连续信息链。
对模型而言，这条链路提供的不只是更多数据，而是具有时间关系和物理含义的接触状态；对系统集成者而言，则可以围绕统一的接触过程设计握力控制、轨迹修正和异常恢复。触觉由单一部件转变为连接感知、模型和执行的状态接口；对应用本体商而言，接近觉的存在也为真实应用中的安全防护提供触觉解决方案。
从信息到动作，以感知驱动灵巧操作迭代
具身智能正处于从科研走向应用落地的临界点。以真实任务为牵引，均胜灵犀将信号采集和前端调理部署在传感器端，将三维力解算部署在靠近传感器的控制板。文章透露，当前方案器件级响应时间小于3毫秒。该指标不等同于整机控制时延，但为触觉信息进入快速反馈链路提供了器件级条件。
这一技术路线的创新性，在于重新划分感知、计算与决策的边界：物理端负责产生方向清楚的力信息，近端负责及时解算，高层模型负责理解任务并作出决策。
对于具身智能产业，这意味着竞争可能从“谁的模型会做更多动作”，进一步转向“谁能为模型提供可信的物理反馈，并把反馈转化为稳定任务”。均胜灵犀的方案为这一转变提供了具体的工程路径，也将触觉从灵巧手上的附加功能，推进为具身智能操作系统的基础能力。
均胜灵犀表示，后续将围绕真实工位，以灵巧手为核心，继续推进多维力感知、灵巧执行、运动控制和操作策略的协同验证。
关于均胜灵犀
均胜灵犀（TelePhix）是均胜电子孵化的具身智能企业，定位为“以感知为基座的具身智能灵巧操作方案商”。公司围绕真实工位任务，以灵巧手为核心载体，推进触觉感知、灵巧执行、运动控制与操作策略的协同研发，面向具身智能灵巧操作提供系统化解决方案。
