引言当下具身智能机器人感知能力持续升级但传统视觉、触觉识别存在短板难以精准预判材料属性实现“差异化作业”。友思特 ChipSense 高光谱传感芯片 凭借微型化、非接触、全固态等优势解锁材料专属光谱指纹让机器人实现接触前的材质精准识别突破行业感知瓶颈赋能多场景高精度智能作业。机器人干预世界从”看见“到”看懂“具身智能机器人正在踏入我们真实而复杂的世界。如今多模态大模型让机器人看得更“懂”仿生控制让它们走得更“稳”高精度传感则让抓取与操作日渐精准。工业机械臂在流水线上灵活焊接人形机器人在仓储中搬运周转家庭陪护机器人也开始尝试端茶倒水——这些曾经只存在于科幻中的画面正一步步成为日常。但当我们让机器人真正“动手”去干预世界时一个问题需要考虑在接触物体之前机器人能真正“理解”它吗现实中的物体远不止颜色和形状那么简单现实中的物体远不止颜色和形状那么简单。同一只玻璃杯、金属把手或丝绸面料外观或许平平无奇但材料属性却千差万别。抓取玻璃需轻柔均匀握持金属要稳健有力提起丝绸则要避免勾丝拉伤——这些精细决策无一不依赖于对材料本质的即时判断。然而当前机器人在这方面的“感知力”还远称不上成熟。现有材料识别路径的三大核心挑战挑战 1看得见 不等于 认得准现有的材料分类识别主要依赖 RGB 视觉识别。但当白 PET 瓶与白 PE 瓶并排摆放时肉眼和镜头都难以分辨而在垃圾分类中二者处理路径截然不同 — 一次误判便可能导致整批材料污染报废。外形一致的物体材料可能天差地别传统视觉停留在表面无法穿透外观触及化学本质。挑战 2摸得到 往往为时已晚触觉感知依托力传感器或电子皮肤在接触后获取硬度、热导率等物理信息。已有研究实现对数十种材料的高精度分类但 必须接触—— 对于易碎陶瓷、熟透水果或生鲜食品触碰本身即可能造成不可逆损伤。触觉只在接触后才生效对精密器件、生鲜食品或文物而言接触前缺乏预判操作风险骤增。挑战 3传统光谱方案 上不了手近红外光谱分析虽被证实能高效区分塑料、纤维、木材等材料但传统光谱仪体积庞大、成本高昂内含光栅或 MEMS 活动部件难以集成至机器人手指的狭小空间更无法耐受运动中的持续震动。多模态融合试图结合视觉、触觉、声学但系统复杂度高、传感器同步难在成本与算力受限的机器人平台上难以规模化落地。ChipSense™ 芯片给机器人装上 光谱慧眼友思特推出的ChipSense™ 高光谱传感芯片有潜力更新机器人对材料的感知方式具备多项技术优势尺寸微型化便于内置芯片尺寸仅 1.55 × 1.55 × 0.6 mm采用 4.0 × 4.0 mm QFN 封装重量仅 0.5 g可轻松内置于机器人手指、夹爪或腕部关节丝毫不影响灵活性与负载能力。宽光谱覆盖 SWIR捕捉材料 指纹芯片覆盖 500–1700 nm 近红外波段远超传统硅基探测器 1050 nm 的极限。这一波段恰好覆盖碳基材料C-H、O-H、N-H 等化学键特征吸收峰最密集的区域 —— 不同材料的分子振动信息形成独一无二的 光谱指纹使材料鉴别从 看外观 跃升为 读本质。全固态设计无惧震动冲击采用单片集成、全固态结构无任何活动部件在机器人高速运动、频繁启停或意外碰撞场景下依然稳定可靠满足工业与消费级应用的严苛可靠性要求。宽谱积分响应实现分类 / 量化模型芯片不输出传统光谱曲线而是直接输出 16 通道电流信号配合轻量化机器学习模型即可建立信号与材料属性的映射关系无需复杂的光谱重建算法推理延迟控制在毫秒级真正满足实时控制需求。非接触感知防患于未然光谱信号可在手指接近物体过程中距离数毫米至数厘米完成采集在物理接触之前即输出材料预判为后续力控策略提供 前馈 信息极大降低误操作风险。应用从工业到家庭4大场景落地基于上述突破ChipSense光谱芯片有望在多个工业与生活应用场景中展现出显著的实用价值。智能回收与垃圾分类PET、PE、PP、PVC 等塑料视觉上难以区分但在近红外光谱下各具特征。ChipSense 可在机器人抓取瓶体的瞬间完成材质鉴定将其投入对应分类箱显著提升回收纯度与效率。工业制造与 抓取即质检机器人在抓取金属、陶瓷或复合材料件的同时即可完成材质校验无需单独质检工位大幅缩短流程时间降低人工抽检成本。家庭服务与精细操作家用机器人可根据地板类型木地板、瓷砖、地毯自动切换清洁模式智能洗衣或服装分拣环节中可依据面料光谱特征调整抓取力度有效区分天然纤维棉、麻、丝、毛与合成纤维涤纶、尼龙等避免勾丝或拉伸变形。食品品质无损评估近红外光谱对水果糖度、水分及成熟度高度敏感ChipSense 可在抓取果蔬的瞬间完成品质分级为智能厨房或生鲜物流提供快速、无损的决策依据。展望从 试探 到 从容 光谱感知赋能下一代机器人放眼未来随着芯片成本持续优化与光谱数据库不断丰富ChipSense有望成为机器人感知系统中不可或缺的“分子视觉”模块。当光谱感知与大模型语义理解、强化学习力控深度融合机器人将不仅能“认出”物体更能“读懂”其材料属性、状态变化乃至老化程度—进而在医疗手术、精密装配、考古保护、灾害救援等高端场景中执行超精细、高可靠的操作。更进一步多光谱与超光谱阵列化集成、边缘端在线学习与自适应校准将赋予机器人在未知环境中自主构建材料知识图谱的能力。届时机器人将不再只是“能看、能走”而是真正“能理解、能决策”。当机器人真正拥有“接触之前的判断力”它们与物理世界的交互也将从“试探”走向“从容”。友思特 光谱传感器芯片光谱传感器芯片ChipSense™产品系列使专业和消费电子设备的原始设备制造商OEM能够将实时、低成本、非接触式且无损的生物材料分析功能直接集成到其产品中。超宽波长范围多通道多波段500-1700纳米光谱传感器芯片晶圆集成利用磷化铟InP晶圆实现高信噪比、高响应度、抗振动 并实现低成本地批量化生产应用广泛覆盖生产过程控制与智能消费产品两大板块 Chipsense芯片：机器人的“光谱慧眼”
引言当下具身智能机器人感知能力持续升级但传统视觉、触觉识别存在短板难以精准预判材料属性实现“差异化作业”。友思特 ChipSense 高光谱传感芯片 凭借微型化、非接触、全固态等优势解锁材料专属光谱指纹让机器人实现接触前的材质精准识别突破行业感知瓶颈赋能多场景高精度智能作业。机器人干预世界从”看见“到”看懂“具身智能机器人正在踏入我们真实而复杂的世界。如今多模态大模型让机器人看得更“懂”仿生控制让它们走得更“稳”高精度传感则让抓取与操作日渐精准。工业机械臂在流水线上灵活焊接人形机器人在仓储中搬运周转家庭陪护机器人也开始尝试端茶倒水——这些曾经只存在于科幻中的画面正一步步成为日常。但当我们让机器人真正“动手”去干预世界时一个问题需要考虑在接触物体之前机器人能真正“理解”它吗现实中的物体远不止颜色和形状那么简单现实中的物体远不止颜色和形状那么简单。同一只玻璃杯、金属把手或丝绸面料外观或许平平无奇但材料属性却千差万别。抓取玻璃需轻柔均匀握持金属要稳健有力提起丝绸则要避免勾丝拉伤——这些精细决策无一不依赖于对材料本质的即时判断。然而当前机器人在这方面的“感知力”还远称不上成熟。现有材料识别路径的三大核心挑战挑战 1看得见 不等于 认得准现有的材料分类识别主要依赖 RGB 视觉识别。但当白 PET 瓶与白 PE 瓶并排摆放时肉眼和镜头都难以分辨而在垃圾分类中二者处理路径截然不同 — 一次误判便可能导致整批材料污染报废。外形一致的物体材料可能天差地别传统视觉停留在表面无法穿透外观触及化学本质。挑战 2摸得到 往往为时已晚触觉感知依托力传感器或电子皮肤在接触后获取硬度、热导率等物理信息。已有研究实现对数十种材料的高精度分类但 必须接触—— 对于易碎陶瓷、熟透水果或生鲜食品触碰本身即可能造成不可逆损伤。触觉只在接触后才生效对精密器件、生鲜食品或文物而言接触前缺乏预判操作风险骤增。挑战 3传统光谱方案 上不了手近红外光谱分析虽被证实能高效区分塑料、纤维、木材等材料但传统光谱仪体积庞大、成本高昂内含光栅或 MEMS 活动部件难以集成至机器人手指的狭小空间更无法耐受运动中的持续震动。多模态融合试图结合视觉、触觉、声学但系统复杂度高、传感器同步难在成本与算力受限的机器人平台上难以规模化落地。ChipSense™ 芯片给机器人装上 光谱慧眼友思特推出的ChipSense™ 高光谱传感芯片有潜力更新机器人对材料的感知方式具备多项技术优势尺寸微型化便于内置芯片尺寸仅 1.55 × 1.55 × 0.6 mm采用 4.0 × 4.0 mm QFN 封装重量仅 0.5 g可轻松内置于机器人手指、夹爪或腕部关节丝毫不影响灵活性与负载能力。宽光谱覆盖 SWIR捕捉材料 指纹芯片覆盖 500–1700 nm 近红外波段远超传统硅基探测器 1050 nm 的极限。这一波段恰好覆盖碳基材料C-H、O-H、N-H 等化学键特征吸收峰最密集的区域 —— 不同材料的分子振动信息形成独一无二的 光谱指纹使材料鉴别从 看外观 跃升为 读本质。全固态设计无惧震动冲击采用单片集成、全固态结构无任何活动部件在机器人高速运动、频繁启停或意外碰撞场景下依然稳定可靠满足工业与消费级应用的严苛可靠性要求。宽谱积分响应实现分类 / 量化模型芯片不输出传统光谱曲线而是直接输出 16 通道电流信号配合轻量化机器学习模型即可建立信号与材料属性的映射关系无需复杂的光谱重建算法推理延迟控制在毫秒级真正满足实时控制需求。非接触感知防患于未然光谱信号可在手指接近物体过程中距离数毫米至数厘米完成采集在物理接触之前即输出材料预判为后续力控策略提供 前馈 信息极大降低误操作风险。应用从工业到家庭4大场景落地基于上述突破ChipSense光谱芯片有望在多个工业与生活应用场景中展现出显著的实用价值。智能回收与垃圾分类PET、PE、PP、PVC 等塑料视觉上难以区分但在近红外光谱下各具特征。ChipSense 可在机器人抓取瓶体的瞬间完成材质鉴定将其投入对应分类箱显著提升回收纯度与效率。工业制造与 抓取即质检机器人在抓取金属、陶瓷或复合材料件的同时即可完成材质校验无需单独质检工位大幅缩短流程时间降低人工抽检成本。家庭服务与精细操作家用机器人可根据地板类型木地板、瓷砖、地毯自动切换清洁模式智能洗衣或服装分拣环节中可依据面料光谱特征调整抓取力度有效区分天然纤维棉、麻、丝、毛与合成纤维涤纶、尼龙等避免勾丝或拉伸变形。食品品质无损评估近红外光谱对水果糖度、水分及成熟度高度敏感ChipSense 可在抓取果蔬的瞬间完成品质分级为智能厨房或生鲜物流提供快速、无损的决策依据。展望从 试探 到 从容 光谱感知赋能下一代机器人放眼未来随着芯片成本持续优化与光谱数据库不断丰富ChipSense有望成为机器人感知系统中不可或缺的“分子视觉”模块。当光谱感知与大模型语义理解、强化学习力控深度融合机器人将不仅能“认出”物体更能“读懂”其材料属性、状态变化乃至老化程度—进而在医疗手术、精密装配、考古保护、灾害救援等高端场景中执行超精细、高可靠的操作。更进一步多光谱与超光谱阵列化集成、边缘端在线学习与自适应校准将赋予机器人在未知环境中自主构建材料知识图谱的能力。届时机器人将不再只是“能看、能走”而是真正“能理解、能决策”。当机器人真正拥有“接触之前的判断力”它们与物理世界的交互也将从“试探”走向“从容”。友思特 光谱传感器芯片光谱传感器芯片ChipSense™产品系列使专业和消费电子设备的原始设备制造商OEM能够将实时、低成本、非接触式且无损的生物材料分析功能直接集成到其产品中。超宽波长范围多通道多波段500-1700纳米光谱传感器芯片晶圆集成利用磷化铟InP晶圆实现高信噪比、高响应度、抗振动 并实现低成本地批量化生产应用广泛覆盖生产过程控制与智能消费产品两大板块