Digid纳米传感器:如何解决机器人触觉感知难题

人工智能与机器人技术的迅猛发展，使外界的目光大多聚焦于软件、大语言模型以及越来越强大的处理器。然而，要让机器人在现实物理世界中有效运作，还需要一项更为基础的能力：感知并理解周围环境。

这一挑战正推动业界对先进传感技术的兴趣持续升温，人们希望借此为机器提供更丰富的环境信息。

专注纳米级传感器研发的Digid公司

德国科技公司Digid专注于力、温度及其他物理量的纳米级传感器研发。该公司表示，其传感器体积极小，可直接集成到客户的产品和零部件上，实现传统传感器无法安装位置的精准测量。

Digid已完成纳米传感器技术的产业化，迄今累计生产传感器逾百万枚，应用领域涵盖机器人、医疗器械、可穿戴设备、工业系统及AI基础设施。

公司成立于2019年，最初专注于诊断和BioMEMS（生物微机电系统）技术，后逐步扩展至更广泛的工业和机器人应用领域。近期，Digid在CES展会上展示了其纳米传感技术及其在下一代机器人和智能系统中的应用潜力，引发广泛关注。

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）的专访内容。

纳米传感器与传统传感器有何不同？

科内：最大的区别在于尺寸。我们常说，全球第二小的传感器也比我们的产品大四个数量级。

正因为尺寸极小，我们可以将完整的传感结构直接集成到客户设备上，构建能够同时测量力、应变和温度的高密度传感阵列。在实际应用中，这意味着我们能够获取以往难以甚至无法获取的信息。由于传感器仅会在表面增加几微米的厚度，集成过程也无需对产品进行大幅度的设计改动。

对于许多客户而言，问题已不再是"我们的传感器是否更小"，而是"在我们的技术出现之前，这种测量是否根本不可能实现"。

如何破解机器人触觉感知难题？

科内：触觉感知至今仍是机器人领域的主要技术挑战之一。

我们的传感器可用于制造机器人皮肤和高灵敏度指尖，其传感器密度远超人类皮肤。目标并非完全复制所有生物功能，而是为机器人提供更丰富的信息，以便其更好地感知所接触的物体和所处的环境。

当前机器人高度依赖视觉感知。但当机器人抓取物体时，它还需要知道自己施加了多大的力、物体是否在打滑，以及交互过程中状态如何变化。机器人对物理世界的感知越精准，其能力就越强。

传感器数量激增会否带来数据处理难题？

科内：确实会。

解决方案不是将每个传感器的数据都传输到云端，而是在本地进行处理，只将相关信息传递给上层系统。

例如，当机器人抓起一个杯子时，关键问题是抓握是否稳固，而非每个传感器的原始数据输出。随着触觉感知技术日趋复杂，我们认为本地预处理将变得至关重要。

哪些商业应用领域需求最为旺盛？

克雷尔：我们的客户涵盖从初创公司到《财富》500强企业的各类机构。目前需求最强劲的领域包括机器人、可穿戴设备、医疗器械、工业传感以及人机交互界面。这些客户普遍面临同一痛点：需要在传统传感器因体积过大或成本过高而难以部署的位置获取感知数据。

科内：自CES参展以来，我们注意到越来越多的大型企业开始寻求在现有技术无法覆盖位置进行力和温度测量的解决方案。

AI基础设施领域的机遇

克雷尔：AI数据中心产生大量热量，高效的热管理正变得愈发重要。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测量数据，帮助运营者更深入地掌握热行为特征。

科内：无论是机器人还是AI基础设施，核心逻辑都是一致的：更好的感知，带来更优的决策。

公司的现状与未来规划

科内：两年前，我们发现市场对极小型力和温度传感器存在巨大需求，由此从工业传感和机器人领域切入。目前公司拥有约30名员工，已实现营收，并正朝着完全自我造血的方向迈进。在一个合作项目中，我们帮助客户将压力传感系统的零部件数量从约30个缩减至6个，显著降低了复杂度、生产难度和成本。

克雷尔：我们相信自己仍处于起步阶段。客户不断带来我们从未设想过的新应用场景。随着产品越来越小型化、智能化和互联化，纳米级传感技术的需求将持续增长，我们的目标是成为客户在传统技术无法满足需求时的标准化解决方案。

Q&A

Q1：Digid的纳米传感器和普通传感器相比，优势在哪里？

A：Digid纳米传感器最大的优势在于极小的体积，比全球第二小的传感器还小四个数量级。正因如此，它可以直接集成到客户产品和零部件上，在传统传感器根本放不下的位置进行测量。同时，它能构建高密度传感阵列，同时测量力、应变和温度，且集成时仅在表面增加几微米厚度，基本不需要改动原有产品设计。

Q2：纳米传感器如何帮助解决机器人触觉感知的问题？

A：触觉感知是机器人领域长期存在的难题。Digid的纳米传感器可用于制造机器人皮肤和高灵敏度指尖，传感密度远超人类皮肤。当机器人抓取物体时，除了依靠视觉，还需要感知施加的力度、物体是否打滑以及交互过程中的状态变化。纳米传感器能够提供这些关键信息，让机器人对物理世界的感知更加精准，从而提升整体操作能力。

Q3：机器人上部署大量传感器，产生的海量数据怎么处理？

A：Digid认为，解决方案是本地化数据处理，而非将所有传感器数据上传云端。以机器人抓取杯子为例，系统真正需要的是"抓握是否稳固"这一判断结果，而非每个传感器的原始数值。通过在本地进行预处理，只将有价值的信息传递给上层系统，可以有效降低数据传输压力。随着触觉感知技术越来越复杂，本地预处理能力将愈发关键。