“用针扎气球，难在“不扎破”。

机械臂的指尖捏着一根针，以肉眼几乎追不上的速度扎向一只紧绷的气球。当针尖接触到气球表面的那一瞬间，气球却完好无损。

这个动作人类做起来稀松平常，给机械臂加力传感器当然也能完成类似演示，但如果把感知放在指尖，在接触瞬间由触觉信号触发急停，事情就完全不同了。

对于机械臂来说，它所有的判断依据，全部来自指尖那块指甲盖大小的触觉传感器。在针尖高速逼近气球弧面的过程中，传感器需要在接触发生的第一个毫秒内捕捉到信号，并将“停”的指令传回执行端。

这件事情对于视触觉路线来说尤为关键。市场上主流视触觉传感器尽管具备感知细、信息丰富、集成度良好等优势，但在响应速度、帧率等关键指标维度上仍然存在瓶颈。

尽管反应周期只有几十毫秒（传统视触觉传感器的典型延迟），但在这个任务上远远不够。

晚一毫秒、差一毫米，气球就破了。整个过程，像一次精确到毫秒的物理悬崖勒马。

知行具身最新发布的面向机器人操作的下一代视触觉传感器产品Imprint X，便做到了这一点。从底层感知方式到材料、结构与算法，Imprint X 均围绕机器人精密操作场景设计，让响应快、低延迟、低功耗的高性能视触觉真正进入机器人指尖。

01.

被帧率锁死的物理天花板

视触觉作为触觉领域最前沿的技术之一，天然擅长输出高维空间信息。原理也并不复杂，弹性体表面发生的形变，被相机捕捉后，再由算法解算出受力分布和接触状态等多模态信息。这套思路从MIT CSAIL的Edward Adelson团队2009年开创以来，已经跑了十几年，并在在灵巧手和工业场景中迅速起量，原因在于空间分辨率极高。

每平方厘米上万个感知点，能识别纹理、受力分布和滑移趋势，这是压阻、电容、霍尔路线都难以望其项背的优势。

但这套方案有两个难以逾越的物理瓶颈，如前所述，首先是它还不够快。

当前的视触觉传感器，几乎全部采用CMOS相机。它的工作机制是“逐帧快照”，以30-120Hz的频率周期性输出完整图像。

问题不只在帧率，更在于帧与帧之间的信息真空。在一个100fps的相机里，两帧之间的10毫秒是绝对的盲区。接触刚发生、材料正在产生最大形变、滑移刚刚启动，这些关键瞬间如果落在盲区里，就是物理意义上的永久丢失。

几十毫秒延迟的差距，关系到这个任务能不能成功。

就像用一台每秒拍30张的相机去拍摄子弹穿过苹果的瞬间。哪怕把快门速度调到极限，如果相机只在每秒固定时刻按下快门，错过就是错

有一种“退而求其次”的方案是超高速CMOS相机，2000帧甚至更高。但它的问题在于体积、功耗、数据量、成本的全面失衡。几万元一颗，个头大，还得配专门的算力设备和散热结构，根本塞不进灵巧手的指尖。

帧式相机的架构本身，成为了自我束缚的天花板。

在与知行具身的采访中，首席科学家崔少伟便直言不讳地指出了这一点。早在五六年前，其就意识到了传统CMOS视触觉的问题所在，也提出了其他思路，但碍于硬件成本与供应链成熟度等因素，无法直接走向商业化。

如今，这一问题已经得到解决。在消费电子产业的催化以及具身智能产业爆发的预期下，曾经因小众需求而高企的定制化门槛，随着更多供应链伙伴入局，使得核心模组的单价得以进入商业可接受的区间。这不仅是硬件成本的摊薄，更是产业链成熟度提升带来的必然结果。

知行具身等了五六年，于此时才入局，等的便是技术从实验室走向产业链的时机。

02.

事件相机：把信息流翻译成触觉语言

Imprint X的核心解法，是用一颗定制的微型事件相机模组，替代传统的CMOS相机。

这条路线在成像的底层逻辑上绕开了“帧”的概念。

事件相机不逐帧拍整张画面，而是像生物的视网膜一样，只追踪画面中亮度发生变化的像素点。当某个像素的亮度发生变化，立即输出这个变化的信号。没有帧的周期性扫描，没有固定采样节奏。它是一个信息流，永远在待命，变化发生，信息即刻产生。

这一转变带来的参数差异是数量级的：Imprint X的时间分辨率小于1毫秒，帧率超过1000赫兹。对于快速接触、动态抓取、滑移检测等任务，机器人可以几乎“实时”地感知触觉变

更微妙的变化发生在数据层面。传统视触觉的另一系统瓶颈是集成。机器人手掌的5个手指集成5路视频流，每路都在持续输出完整图像，带宽压力巨大，主控算力需求陡增。这一痛点被触觉领域的行业报告反复提及。

而事件驱动与此截然不同，它只输出变化信息，大量静态背景数据被自动过滤。这让Imprint X在高速感知下仍能保持较低的数据带宽，无需外挂算力设备，也不需要额外的散热结构。据透露，感知模块功耗仅3毫瓦。

这是什么概念？知行具身团队做过测试，Imprint X连续运行六天几乎没有明显温变。

传统CMOS视触觉的两大物理瓶颈：时间分辨率与集成化压力，被事件相机同时解决了。

当然，事件相机也带来了新的问题。

它的输出本质上是“变化的信息”，这给触觉解读带来了一个严重的逻辑缺口：如果某个接触是缓慢的、稳态的，像素亮度变化极其微小，事件相机甚至可能不输出任何信号，触觉信息就会丢失。

而在真实操作中，稳态接触和极慢接触同样需要被感知。

这是事件驱动触觉最核心的算法挑战。为解决这一瓶颈，知行具身自研了全局状态追踪模块。其要回答的是：如何在只捕获变化的信息流中，重建出完整的、稳定的接触状态。

从原始事件流到机器人可用的触觉信息，该模块构造了一个完整的处理链条：事件流首先被编码积分为可用的图像信息，然后提取图像特征，再做二维追踪得到位移场，最后升维到三维触觉形变点云和分布力。

每一层都要重新设计，因为每一个环节几乎没有先例可循，论文中的算法也不成熟。崔少伟自己给出的类比是：做传统CMOS视触觉，我们自己经验丰富的博士生 1-2个月就能跑通完整的demo；而做事件驱动视触觉，整个链条要至少一年，很多逻辑要重新思考。

材料的配合同样关键。Imprint X没有使用GelSight系列那种经典的硅凝胶，而是专门研发了高回弹的硅橡胶材料。原因直接关联到“快”这个核心诉求：硅凝胶的回弹太慢，“手离开了，材料才会慢慢回去”，几百帧的画面可能都是一致的。

如果接触材料自己都跟不上千赫兹的节奏，再快的相机也没有意义。硅橡胶的回弹速度、耐磨性和力学稳定性，是让整个系统真正跑在千赫兹量级的前提。

算法与材料相互配合，当机器人指尖与物体接触时，材料发生形变，微型事件相机捕捉标记点的变化，再通过算法重建接触区域的形变与受力状态。落实到具体参数上，Imprint X的点云空间分辨率达到0.5 mm，力程0–25 N，感知分辨率0.02 N，标记点密集，力感知精细。

从微小形变到位移，再到三维形变和受力状态，机器人获得的是完整的接触演化过程，而不仅仅是一个接触结果。

这是理解Imprint X的关键视角。它是一个需要从材料、光学、电子、算法全链路协同设计的系统。知行具身CEO费碧波说得直白：“事件相机并不直接等同于触觉。真正的技术壁垒是把弹性体、光学结构、事件信号处理、触觉解码，做成一个可靠的系统。”

03.

一个场景胜过一页参数

Imprint X作为新产品与众不同的一点在于，发布即进入了头部3C制造商的产线进行真实场景验证。

这一速度在硬件创业公司中相当罕见，更何况知行具身公司于2026年3月才正式成立。当然，据费碧波透露，团队在公司成立前已经积累了7年的相关技术——公司成立代表着产品化和商业化的起点，而非技术研发的起点。

这个时间差的澄清，解释了为什么一家“年轻”公司能够如此迅速地推进到头部客户验证阶段。

更重要的是，知行具身能够做到这一点，与其产品设计理念息息相关。触觉传感器作为产业链上游的一部分，势必会进入机器人本体，成为其感知与操作能力的重要支撑，在真实场景中发挥作用，而不是在实验室中孤芳自赏。

Imprint X在设计之初，便以任务为导向，围绕机器人精密操作场景进行设计，旨在将响应快、低延迟、低功耗的高性能视触觉真正进入机器人指尖。

体积、功耗、数据量、维护成本等非核心技术指标往往是决定一项技术能否落地的重要门槛，而Imprint X将这些通通纳入了考量。

传感器最薄仅3–4 mm，可集成进入机器人指尖或夹爪；封闭式结构降低环境光、粉尘、水汽等外部因素对感知的影响；低功耗，意味着无需额外散热结构，从源头上减少了发热，降低了温升对弹性体材料、光学结构和电子器件的影响，为热漂移控制和长期感知一致性创造了条件。部分参数与底层技术路线相关联，这也是事件相机的优势所在。

更关键的是，Imprint X的接触材料采用了模块化快换设计。弹性体作为接触部件，在真实产线中会面临磨损和老化。模块化意味着磨损后只需要更换接触层，不需要替换整个传感器，而且更换后无需重新标定。这个细节看起来不起眼，但它直接关系到传感器在工业环境中的全生命周期成本。

当然，进入产线验证对于知行具身来说只是起点，并不意味着可靠性已经得到充分证明。费碧波秉持着审慎的工程态度，表示不会把“理想条件下一次成功”当作验证标准，而是要覆盖持续运行、反复接触、不同负载、温度、震动等真实工况要素，将发现的问题反馈到设计端。

当产线验证有了确定的结果，量产交付才具备实现的基础。

04.

在最后一毫秒，机器人指尖停在了最后一毫米

触觉赛道在2026年已愈发拥挤，压阻、电容、霍尔、视触觉各据一方，前有猛虎，后有追兵。

而竞争的核心是：谁的触觉传感器能够满足机器人在真实场景中对速度、精度、集成度和成本的要求？

面对这个问题，知行具身用一条不同技术路线与Imprint X新产品的发布做出了回答。尽管入局较晚，但团队的积累实际上比多数玩家更长。那么为什么做事件驱动视触觉的是知行具身，而不是那些主流视触觉厂商？答案在于技术壁垒，对于视触觉而言这不是一个“换相机”的问题，而是一整套系统都要推倒重来。

而知行具身凭借技术积累与行业洞察，在视触觉这条路上多想了一点、多走了一步。回到开头的针扎气球。Imprint X能够完成这个demo的含金量，在视触觉赛道更显珍贵。

当然，Imprint X的发布对于知行具身而言只是起点，公司只是以触觉为核心切入点，真正要做的是为不同机器人本体提供感知、数据与模型能力，推动机器人进入真实物理世界。

传感器是入口，数据采集指套（Imprint Glove）和虚拟交互模拟器是数据层，触觉大模型是最终的指向。传感器做得越快、越高维，采集到的数据质量就越高；数据越好，模型越强；模型越强，就越知道下一代传感器应该感知什么。三者形成一个互相迭代的循环。

一毫秒的延迟，在互联网世界里几乎可以忽略不计；一毫米的距离，在物理世界里同样也可忽略不计。

但在针尖抵住气球的瞬间，两者便是“破”与“不破”指尖的全部余量。

在毫秒为单位的世界里，距离不仅仅是一个性能参数，它本身就是感知与控制的物理法则。

机器人注定要与世界进行越来越精密的物理交互，那么它首先需要学会的，是在正确的时间与空间尺度上感知这个世界。