模感科技完成亿元级天使+轮融资：全身触觉方案覆盖硬件到模型

全文大约2500字，读下来需要5分钟。

硬氪了解到，做全身多模态融合触觉方案的模感科技（MoSense）最近完成了亿元级天使+轮融资。这轮由鼎晖投资、绿洲资本领投，逐际动力、龙芯创投、中科创星、华山资本、浦东创投以及某国内头部具身厂商跟投，后浪资本担任长期独家财务顾问。更早的天使轮融资中，红杉中国、高瓴创投及智元机器人等已经参与。

模感科技2026年5月成立，由港科大机器人比赛冠军团队孵化。联合创始人兼CEO严朝旭博士毕业于香港科技大学微电子系，长期研究高频系统、电磁算法及具身多模态传感。联合创始人兼CTO周航博士毕业于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，长期钻研端到端自动驾驶模型、世界模型及具身智能算法。

这家公司盯的是人形机器人全身多模态触觉。多数厂商只提供电子皮肤硬件，模感科技的不同之处在于把触觉硬件、感知算法到触觉世界动作模型串成一条完整技术链，硬件、算法与模型都做。

目前布局围绕三大核心产品：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。

硬件上，模感科技从底层力学结构切入，用的是带负泊松比特性的可调控人工晶格结构。受力时晶格定向旋转与形变、把外部载荷分散开，大冲击下能护住内部传感单元，微小力作用下又保持很高的感知灵敏度。传统触觉传感器难以兼顾的高灵敏度与宽量程，在这里得到解决，抗磁干扰和抗过载疲劳能力也随之提升。

MoSkin多模态触觉集成外壳

制造工艺上，传统触觉传感器一般要把传感薄膜贴到机器人表面，再靠布线等方式完成集成。工序多、制造成本高，复杂曲面的贴合也不好做，触觉传感器想往机器人全身大面积铺开因此受限。

模感科技走的是磁光固化3D打印成型工艺，能把具有特定晶格结构的材料直接加工成一体化触觉结构件，还在材料中引入磁性单元形成电磁晶格；算法端用超分辨率方案，使其具备较强的多模态感知能力，量产成本也压得较低。硅胶、发泡材料、TPU等不同材质都能适配，复杂曲面成型因此更容易。公司同时还拥有全自动曲面大面积多模态标定算法，下游客户可以即插即用。

严朝旭告诉硬氪，基于独创的“力学性能可编程”技术，同一套底层技术能按机器人不同部位的需求调整材料与微观晶格结构的力学特性。指尖要更灵敏，就设计得柔软些；脚底要扛冲击，就强化结构支撑；躯干则在大面积感知与结构强度之间找平衡。这些复杂方案都能高效自动生成合理的拓扑结构。

算法层面，MoTact相当于“触觉小脑”，主要把硬件采集的多轴磁场信号解算成力、位移、滑移、材质等感知信息，再按不同部位的应用需求做算法优化。公司提出的技术能力包括稀疏超分辨率、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，目的是让机器人更及时地识别接触状态和外部作用力，为抓取、操作及接触控制等高频动作提供反馈。

模感科技MoTact与MoWorld模型算法

模型层面，基于触觉的多模态融合触觉世界动作模型MoWorld正在同步推进。只靠视觉等信息判断环境有所不同，触觉能给出接触力、物体形变及局部交互状态等信息。公司希望用高频、多维的触觉反馈，在机器人动作执行过程中持续修正判断与控制，并把触觉信息当作物理先验补进模型，提升真实环境中的交互能力，缩小仿真训练与真实执行之间的差距。

据介绍，模感科技的全身触觉系统目前正与多家头部机器人本体厂商推进合作，并拓展应用落地。模型侧，公司已与头部机器人ODM/OEM公司合作，推动整体触觉系统及模型的一体化部署，为机器人提供完整的触觉-大小脑解决方案。人形机器人相关业务之外，多行业智能整体方案也在加速商业化落地。

以下是创始人问答：

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：传统电子皮肤大多是薄膜或织物形态，得贴附在机器人结构件表面。人形机器人的肩膀、腰部等位置往往曲面复杂，传统方案贴合和集成有难度，容易受结构设计和装配工艺限制。

我们现在的思路，是把触觉感知能力直接集成进结构件。过去这件事可能得由机器人壳体供应商和电子皮肤供应商一起完成，现在我们希望直接提供兼具结构与感知能力的触觉结构件。好处是结构件在成型阶段就能适配机器人曲面形态，减少后续贴合带来的问题。硅胶、橡胶、发泡材料等不同材质，还有一些复杂曲面结构，我们都在做适配。

所以我们的定位不只是电子皮肤，而是触觉结构件。把结构设计和传感能力结合起来，触觉系统更容易集成到机器人不同部位，后续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：说到底，这反映的是我们工程化落地够快。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。要是每来一个客户就从头做结构设计、再做一轮仿真，开发周期就会被拖得相当长。

所以我们在前期设计和仿真环节，就把结构参数做成可调控的。客户要更强的抗冲击能力，我们就调整结构让它更坚固；要机器人手臂轻微接触就能感知，我们就把相应区域设计得更柔软、更灵敏。

我们也在用仿真模型分析结构形变与分布式复杂磁场信号之间的关系，设计和参数调整因此更快。面对不同客户、不同机器人结构时，不必每次从头开发，在已有技术体系上就能快速适配。

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，机器人身上各个位置需要感知的东西差别不小，算法自然得分开做。拿手指和手掌来说，抓取、精细操作都靠它们，灵敏度、采样率、分辨率的要求就高，公司会把这两处的传感器排得更密，同时针对高频接触动作去调算法。手和脚承受的力也更复杂，多轴力感知能力得跟着加强。

躯干这类大面积区域又是另一回事。这些地方看重的是低功耗和铺得开，未必需要一直高频采样。按这个思路，可以配上低功耗算法，平时走低功耗监测模式，等撞上东西这类事件出现，再把采样频率提上去。所以公司没有拿一套参数套全身，而是看各部位的接触特点、受力情况和任务要求，把传感器布局、采样率、分辨率连同算法分别配置。关键部位的精细感知保住了，整套系统的功耗和成本也好控制。