Vishay Precision Group创新总监Ron Zukerman撰文指出,莫拉维克悖论揭示了机器人领域的一个反直觉事实:计算机很快掌握了棋类、数学和文本分析等抽象任务,但折叠衣物、打鸡蛋或在陌生厨房拿起杯子等日常动作仍非常困难。
原因在于人类的感知、平衡和精细运动系统经过长期演化,可在无意识状态下完成大量复杂计算。抽象推理虽然主观上更费力,却更容易被拆解为数字系统可复制的步骤。
这一差距在机器人与物体接触时最突出。摄像头能提供空间位置,但夹爪闭合后往往看不到接触面;连接器插入、轴承装配和螺纹配合等任务需要几十微米级容差,仅靠视觉难以完成。力和力矩反馈可以让机器人通过接触、探测阻力变化和物理搜索完成对准。
质量、摩擦、柔软度、刚度和抓取是否即将失稳等信息也无法直接从像素中获得。力觉数据能直接测量物体如何反作用于机器人,为物理AI补足视觉模型的缺口。
文章同时强调硬件一致性:传感器需要具备批次重复性、长期零点稳定性、千赫兹级带宽和确定性时延,才能让同一控制策略在大量机器人上复用。多轴力矩传感器还可区分正常阻力与即将卡滞等不同接触状态。
作者认为,物理系统的扩展不仅取决于模型规模和算力,还受功耗、散热、磨损与真实接触约束。自主操作要进入实际场景,必须把可靠的实时触觉测量纳入机器人核心硬件与控制架构。
