Meta Manus 触觉手套用手机“振动马达”做力觉反馈（附相关论文）

来源：AI工业（采用 AI 工具整理）

在远程操控（teleoperation）场景中，机器人手部配有压力传感器，系统会将压力传感器的输入映射到手套的触觉输出，使操作者能够“感知”机器人接触与施力的变化。

触觉反馈采用强度调制策略：施力越大，反馈的振动越强，从而形成更直观的力觉提示。

在仿真/VR场景中，触觉也可基于检测生成：例如使用碰撞检测在触碰物体时触发振动；或依据穿透量（interpenetration）与施加的力大小调节反馈强弱，从而增强“触碰—抓取—释放”的操作闭环，接近“虚拟鼠标”式的可控感。

对话指出，《头号玩家》级触觉之所以困难，是因为人手的感觉输入极其丰富：不仅包含压力/力，还包含方向感、防滑感知，并能快速触发“加紧握力/放松”的控制决策。这些感觉信号多在手部内部完成，而外设触觉往往位于手部外部；如果无法做到微型化（micro-level），就会限制活动范围（ROM）。

理想触觉体验还希望同时覆盖热、冷、摩擦、方向、压力等多维度信息，但工程上必须取舍。对话的观点是：若要达到《头号玩家》级别，可能需要类似 Neuralink 的路径，核心是“欺骗大脑”而非仅依赖外设堆叠。

同时，对话也强调，即便仅用“振动马达”的模拟触觉，仍可取得显著效果：无需 1:1 还原也能覆盖大量需求，属于以较低成本获得接近80%效果的方案，而真正困难集中在最后那20%的逼真度提升。

在产品理念上，该公司希望手套可被连续佩戴 24 小时，强调轻量化、不累赘，并保持完整活动范围。

价格方面，一套约 9000 美元（含软件）；触觉版本另加约 1000 美元。目前可下单，但预计 近期可发货，以官方页面为准。

相关论文

这项研究介绍了 GR-Dexter，这是一个专为双臂灵巧手机器人设计的视觉-语言-动作（VLA）通用操控框架。硬件方面，ByteDance Seed 团队研发了拥有 21 个自由度且集成触觉传感的 ByteDexter V2 仿生手，极大提升了机械手的活动范围和操作精细度。为了克服高维控制空间的数据稀缺问题，该项目构建了一个数据金字塔，融合了自研的虚拟现实（VR）远程操控数据、跨机器人数据以及大规模人类动作轨迹。实验证明，该模型在执行长航时任务（如清理化妆台）和泛化抓取未见物体方面表现卓越。通过整合多源数据进行联合训练，GR-Dexter 显著增强了机器人对复杂指令的理解力及在陌生环境下的动作稳健性。这标志着人形机器人向实现人类水平的灵巧操控迈出了实用的一步。

需要说明的是：本文引用该论文，主要用于证明 Manus 手套已进入 VR 远程操控/数据采集链路，并不等同于证明 LRA 振动触觉具备“真实力觉”的量化效果。在 GR-Dexter 的 teleoperation 系统中，Manus Metagloves 与 Quest 负责手部动作采集与映射，形成从人到机器人的数据闭环；而振动触觉更偏向后续的感知增强配置。

来源：AI工业（采用 AI 工具整理）

论文地址：https://arxiv.org/pdf/2512.24210