GelSight是麻省理工学院计算机科学与人工智能实验室(CSAIL)研发的一种基于视觉的触觉传感器，通过软弹性体接触面与内部相机拍摄接触形变，重建出被接触表面的高分辨率三维几何与纹理信息。它由爱德华·阿德尔森(Edward Adelson)的研究团队提出，2009年首次公开相关成果，并催生了同名的商业化公司，应用于机器人抓取、表面检测与计量等领域。
定义
GelSight是一种把触觉问题转化为视觉问题的传感器：它不直接测量接触力，而是测量接触面的几何形状，并以很高的空间分辨率呈现出来。按传感类型划分，它属于视触觉传感器（vision-based tactile sensor），即以相机拍摄软弹性体接触面的形变来获取触觉信息[1]。
与传统电容式、压阻式或压电式触觉传感器由有限个传感单元阵列组成不同，GelSight用一个相机配合一块可变形的弹性体，等效获得了密度极高的“传感点”。其弹性体质地柔软，能贴合被接触物体的表面，因此可以捕捉物体表面的细小划痕、凸起与纹理[2]。
原理
GelSight的基本结构包含三部分：一块透明的软硅胶弹性体、若干彩色发光二极管以及一台相机。弹性体面向物体的一面覆有反光涂层，反光层把物体表面的几何形貌转化为光的反射分布[3]。
当物体压向弹性体时，涂层随物体外形发生形变。红、绿、蓝三色光源从不同方向照射这块反光面，因此接触面上每个位置的法线方向不同，反射回相机的颜色配比也不同。相机把这些颜色记录下来，图像的三个通道恰好编码了三个方向的照明信息[3]。
由颜色反推几何的过程通常称为光度立体法（photometric stereo）。系统依据朗伯反射模型，从像素颜色解出接触面各点的表面法线，再对梯度场积分得到深度图，从而重建出接触表面的三维形貌[4]。
在弹性体表面增加密集的标记点可以扩展传感器的测量范围。通过跟踪这些标记点的位移，可以推断接触面上的法向力、切向力与扭矩，并判断是否发生了初始滑移[3]。
此外，被测物体的软硬程度也能从接触模式随时间的变化中推断。物体越软，受压时扁平化程度越高、接触面积增长越快；有研究用手工按压产生的连续图像序列训练神经网络，据此给出硬度的量化评分[5]。
发展历程
GelSight技术的雏形来自麻省理工学院教授爱德华·阿德尔森的研究工作。他本以视觉研究为专业，出于对人与机器如何用手感知物体的兴趣，选择用相机来做触觉传感器。2009年，阿德尔森团队公开了这一被称为GelSight的传感器技术，其早期成果以“表面纹理与形状的回溯式传感”为题发表[6]。
2011年，阿德尔森与他在2008年招收的博士后Kimo Johnson等人共同创办了GelSight公司，将该技术推向商业化。公司最初面向的是表面计量而非机器人市场，早期客户集中在航空航天、磨料和化妆品等行业；2014年，来自消费电子厂商的大额订单成为公司发展的转折点[7]。
此后，GelSight逐渐形成两大类产品线：面向表面检测与计量的台式及手持设备，以及面向机器人研究的触觉传感器。公司与英伟达合作，在其仿真工具中加入对GelSight传感器的支持；还与Meta合作推出了面向机械手安装的Digit传感器[8]。
围绕GelSight的原理，研究者发展出一个传感器家族，陆续出现了GelSight Fin Ray、GelSight Baby Fin Ray、GelSight 360、GelSight Svelte、GelSight Wedge等不同形态的版本，以适应软体夹爪、手指形结构等不同的安装需求[4]。2026年3月，GelSight公司获得美国空军第二阶段小企业创新研究合同，用于开发体积更小、更耐用的机器人指尖传感器[9]。
应用
在机器人领域，GelSight被安装在机械臂夹爪上，用于判断抓取对象的位置与姿态。在物体被夹爪遮挡、单靠视觉难以定位时，触觉图像可以提供更可靠的位姿估计；有研究利用这一特性完成螺丝刀的抓取与归位[6]。
对物体的形状和材质识别也是其常见用途。借助传感器输出的三维形貌，机器人可以识别对象表面的纹理类别，甚至读取物体上的标记与图案，从而判断手中物体的朝向[10]。
在工业检测方面，GelSight被用于表面质量的检测与计量，可发现划痕、凹坑等缺陷，并测量表面的粗糙度与微观形貌。相关设备已用于航空航天、汽车、消费电子和医疗等领域[2]。
局限
GelSight的结构决定了它必须容纳一台相机和相应的光路，因此传感器的厚度难以大幅压缩。传统设计依赖透镜，透镜存在最小焦距，相机与接触面之间需要保持一定距离，形态上往往偏厚，不易装进狭小的多指夹爪[4]。
触觉信息本身具有局部性。传感器只能感知接触面上那一片区域的形变，得不到物体的整体形态，单靠触觉推断物体的完整三维姿态存在困难，通常需要与视觉系统配合使用[4]。
在测量精度上，不同方向的性能并不均衡。有对比评测指出，GelSight在深度方向的定位较为稳定，但平面内的横向定位与重复性相对有限，边缘区域还存在一定畸变；此外其弹性体相对偏硬，相机帧率也不高，对高频触觉事件的捕捉能力受限。
标记点的引入也会带来取舍。增加标记密度可以提高位移场的测量精度，但同时会削弱重建高度图的能力，并且标记会与图像中的触觉信息混叠，增加从中提取力相关信息的难度[11]。
反光或透明的被测物体也会带来问题。在与传统方法对比的实验中，对螺母、T型螺栓和金属球等物体，GelSight出现了边缘丢失与深度不稳定的情况[12]。
参见
参考资料
- ieee.org 上的网页 [引用日期2026-10-14]
- Robotics [引用日期2026-10-14]
- arxiv.org 上的网页 [引用日期2026-10-14]
- acm.org 上的网页 [引用日期2026-10-14]
- Giving robots a sense of touch [引用日期2026-10-14]
- Giving robots a sense of touch [引用日期2026-10-14]
- gelsight.com 上的网页 [引用日期2026-10-14]
- Tactile Sensor Could Give Robots Human Touch [引用日期2026-10-14]
- gelsight.com 上的网页 [引用日期2026-10-14]
- Tactile sensor gives robots new capabilities [引用日期2026-10-14]
- 18009297_AbAd_PhD_Thesis(PDF) [引用日期2026-10-14]
- arxiv.org 上的网页 [引用日期2026-10-14]