模感科技完成亿元级天使+轮融资，全身触觉全栈方案落地人形机器人

本文约2500字，建议阅读5分钟

硬氪了解到，全身多模态融合触觉方案商模感科技（MoSense）最近拿下了亿元级天使+轮融资。鼎晖投资和绿洲资本联合领投，逐际动力、龙芯创投、中科创星、华山资本、浦东创投，另有一家国内头部具身厂商参与跟投，后浪资本继续出任长期独家财务顾问。更早之前，该公司天使轮由红杉中国、高瓴创投及智元机器人等方参与。

模感科技于2026年5月成立，出自港科大机器人比赛冠军团队的孵化。联合创始人兼CEO严朝旭博士是香港科技大学微电子系出身，研究重心在高频系统、电磁算法和具身多模态传感。联合创始人兼CTO周航博士读的是香港科技大学机器人专业，做过车规级自动驾驶企业的资深算法研究员，主攻端到端自动驾驶模型、世界模型与具身智能算法。

这家公司专注的是人形机器人的全身多模态触觉解决方案。市面上多数厂商主要提供电子皮肤硬件，模感科技的差异化之处在于能给出从触觉硬件、感知算法到触觉世界动作模型的完整技术链条，形成覆盖硬件、算法与模型的全栈方案。

具体来看，公司目前围绕三大核心产品布局：全身电子皮肤硬件MoSkin、多模态融合触觉算法MoTact，以及多模态融合触觉世界动作模型MoWorld。

落到硬件上，模感科技选的是从力学结构改起的路子，用了一种带负泊松比特性的可调控人工晶格结构。一旦受力，晶格会定向旋转、变形，把外部载荷分散开，冲击较大时能护住里面的传感单元；力很小时，感知灵敏度又能保持住。这样一来，传统触觉传感器高灵敏度和宽量程难以两全的矛盾被绕开了，系统抗磁干扰和抗过载疲劳的能力也跟着提升。

MoSkin多模态触觉集成外壳

制造环节则不一样。以往触觉传感器大多要把传感薄膜贴到机器人表面，再靠布线等手段完成集成。工序多、成本高是一方面，复杂曲面能不能贴好又是另一道坎，触觉传感器想铺满机器人全身，大面积部署就卡在这里。

模感科技走的是磁光固化3D打印成型工艺：把带特定晶格结构的材料直接加工成一体化的触觉结构件，材料里掺入磁性单元形成电磁晶格，算法端再上超分辨率方案，多模态感知能力做上去了，量产成本还能压得较低。硅胶、发泡材料、TPU等不同材质都能适配，复杂曲面成型也因此变得可行。另外，公司自研了全自动曲面大面积多模态标定算法，下游客户拿到手即可插即用。

严朝旭对硬氪说，靠独创的“力学性能可编程”技术，同一套底层方案能按机器人各部位的需要，去调材料和微观晶格结构的力学特性。指尖要灵敏，就做得更软；脚底要扛冲击，就把结构支撑加强；躯干则在面式感知和结构强度之间找平衡。再复杂的方案，也能自动生成合理的拓扑结构，效率很高。

算法这块，MoTact扮演的是“触觉小脑”的角色：硬件采回来的多轴磁场信号，由它解算成力、位移、滑移、材质等感知信息，并针对不同部位的应用做算法优化。公司列出的技术能力有稀疏超分辨率、复杂拓扑集成、抗漂移与抗磁干扰，以及KHz级高速阵列采样等，目的就是让机器人更及时地判断接触状态和外力大小，给抓取、操作、接触控制这类高频动作提供反馈。

模感科技MoTact与MoWorld模型算法

模型方面，模感科技同时在推基于触觉的多模态融合触觉世界动作模型MoWorld。只靠视觉等信息判断环境，终究有限；触觉能补上接触力、物体形变和局部交互状态这些信息。公司想用高频、多维的触觉反馈，在动作执行过程中不断修正机器人的判断与控制，并把触觉作为物理先验塞进模型，让机器人在真实环境里的交互能力更强，仿真训练和真实执行之间的落差也能收窄。

据了解，模感科技的全身触觉系统眼下正与多家头部机器人本体厂商推进合作，落地应用也在拓展。模型侧，公司已同头部机器人ODM/OEM公司联手，推动整体触觉系统与模型的一体化部署，给机器人提供完整的触觉-大小脑方案。人形机器人之外，面向多行业的智能整体方案同样在加快商业化。

以下为创始人问答：

硬氪：磁光固化3D打印具体解决了触觉传感器领域的哪些痛点？

严朝旭：传统电子皮肤多是薄膜或织物形态，得贴在机器人结构件表面。可人形机器人的肩膀、腰部这些地方曲面复杂，传统方案贴合、集成都不轻松，结构设计和装配工艺很容易成为限制。

我们换了思路，把触觉感知能力直接做进结构件里。以前这件事可能要机器人壳体供应商和电子皮肤供应商一起干，现在我们希望直接交出既有结构、又能感知的触觉结构件。好处是结构件成型阶段就能贴合机器人的曲面形态，后续贴合带来的麻烦少了。硅胶、橡胶、发泡材料等不同材质，还有一些复杂曲面结构，目前都在适配。

所以我们的定位不是电子皮肤，而是触觉结构件。结构设计和传感能力合到一起，触觉系统装进机器人不同部位会更容易，后面规模化生产也有了条件。

硬氪：“力学性能可编程”具体解决了触觉领域的什么问题？

严朝旭：这其实说明我们的工程化速度比较快。各家机器人厂商对外壳材料、结构硬度、触觉灵敏度的要求都不一样。要是每来一个客户需求就重做结构、重新仿真，开发周期会拖得很长。

于是我们把结构参数在前端设计和仿真阶段就做成可调的。客户要更强的抗冲击能力，就把结构调整得更坚固；要让机器人手臂轻微一碰就能感知，就把对应区域做得更软、更灵敏。

我们还用仿真模型去分析结构形变和分布式复杂磁场信号之间的关系，设计和参数调整因此快了不少。面对不同客户、不同机器人结构，不必每次从头开发，在已有技术体系上快速适配就行。

硬氪：在算法层面，公司如何针对机器人不同部位的触觉需求进行优化？

严朝旭表示，机器人身上各处的感知需求差别很大，算法也就得跟着做针对性设计。

拿手指和手掌来说，抓取、精细操作这类任务对灵敏度、采样率、分辨率都提得比较高，公司会把这些区域的传感器布得更密，并围绕高频接触动作去优化算法。手和脚还要应对相对复杂的受力情况，多轴力感知能力因此需要进一步加强。

躯干这类大面积区域的要求又不一样。这些位置更看重低功耗和大范围覆盖，未必需要一直保持高频采样。对这类场景，可以配一套低功耗算法：平时走低功耗监测模式，等检测到碰撞等事件，再把采样频率提上去。

所以公司没有拿同一套参数铺满机器人全身，而是按各部位的接触特点、受力情况和任务需求，对传感器布局、采样率、分辨率以及算法做差异化配置。关键部位的精细感知需求能得到满足，整套系统的功耗和成本也好控制。