想象一下拧紧瓶盖或组装精密零件的感觉：我们并非通过测量精确的数值来完成这些动作，而是凭借指尖感受到的阻力变化来自然调整力度和方向。这种对力变化的本能感知，正是人类完成精细操作的秘密。
 

然而，要让机器人掌握这种感知，当前的主流方案依赖于精密而昂贵的六维力扭矩传感器，这不仅提高了应用门槛，也限制了技术在更多场景中的普及。

为了解决此问题，近日，RoboScience与新加坡国立大学（NUS）的联合研究团队，在最新合作研究《ShapeForce: Low-Cost Soft Robotic Wrist for Contact-Rich Manipulation》中探索出了用于密集接触式操作任务的一种低成本、即插即用的力扭矩传感器替代方案。

具体而言，受人类在接触中依赖力的相对变化而非精确力值这一方式的启发，ShapeForce将外部的力和扭矩转换为其柔性核心的可测量形变，随后通过基于标记的姿态跟踪进行估计，并转换为类力信号，从而使机器人能够感知接触的发生或变化，并相应地调整其动作。此设计无需校准或专用电子设备来获取精确数值，而是专注于捕捉足以支撑密集接触操作的力和扭矩变化。

论文链接：https://arxiv.org/abs/2511.19955

值得一提的是，市售力传感器价格昂贵，通常需数千美元。而ShapeForce仅需价值约6美元的材料即可制作，却能提供与商用传感器相媲美的性能。它可利用3D打印机轻松制作，并通过RGB相机进行感知集成，从而实现各类密集接触任务。

以在晃动的白板上擦除手写字迹这项需要精确且持续力度的任务为例，将类力信号与实际受力进行可视化对比可见，ShapeForce能够提供与力扭矩传感器相当的接触信息。

此外，ShapeForce的结构柔顺性还增强了其在高精度任务中的鲁棒性。以组装玩具桌为例，当螺纹未对准时，刚性力传感器可能在轻微错位下无法适应，还常因难以调整导致任务失败；相比之下，ShapeForce能通过被动结构形变适应错位，容忍高精度任务中的微小误差，其固有的容错能力显著提高了任务成功率。

研究团队还在典型的密集接触任务中，使用传统控制策略与基于学习的策略对ShapeForce进行了系统评估，无论是让探针在迷宫中柔顺穿行，辅助机械臂完成高精度的USB插入并自主调整对位，还是稳定地扭紧瓶盖、精准实现插接操作，结果都证明了其出色的性能与泛化能力。 

具体任务展示如下：

迷宫探索

USB插入

扭紧瓶盖

插接
 

总的来说，受人类依赖力相对变化的感知方式启发，该研究突破了传感系统在精度与简易性之间的传统权衡，创造性地构建了面向任务有效的力表征方式。通过在多种策略与任务场景下的广泛实验验证，ShapeForce展现出了与商用力扭矩传感器相媲美的性能，能显著提升任务成功率。

未来，RoboScience机器科学将致力于从模型算法出发定义具身智能硬件，持续推动具身智能赋能千行百业。