苏州一家做3C产品的工厂，产线上有个工序，是把一块薄薄的柔性电路板插到连接器里，再把几个小橡胶塞按进孔位。这个活儿人工做起来不算难，工人捏着件，手上一使劲，感觉到那一下轻微的到位顿挫，就知道成了，眼睛甚至不用死死盯着。可他们想上自动化，试了好几家的机械臂，视觉对得挺准，真插起来却频频出问题：要么没插到底、虚接松动，要么用力过猛把针脚顶弯、把座子顶裂。现场工程师特别头疼，跑来问我：明明位置没错，为什么这机器人就是"手上没数"？

这个"手上没数"，缺的其实是一种力——切向力。

要讲清楚它，得先把指尖受到的力拆开来看。当机器人的手指握住一个物体时，接触面上的力大致分两个方向。一种是垂直于接触面、往物体里压的力，叫法向力，它回答的问题是"我捏得有多紧"。另一种是平行于接触面、顺着表面走的力，叫切向力，它回答的问题是"东西会不会滑、我有没有顺着表面探到位"。我们平时天天挂在嘴边的摩擦力，说的就是这种切向力。

遗憾的是，绝大多数传统触觉传感器，包括不少已经装在机械手上的阵列式方案，能测的主要是法向力。它能告诉你手指压了多大劲，却说不清切向那股劲儿。听起来好像只差一个方向，可对精细操作来说，这一个方向，往往就是成与败的分水岭。

拿夹鸡蛋举个最经典的例子。鸡蛋又脆又滑，捏碎和拿稳之间，力道窗口窄得可怜。只有法向力，机器人知道自己压了多大劲，却不知道鸡蛋表面有没有在手指之间开始打滑。一旦感知到要滑，机器人的本能反应无非两种：要么不敢用力，结果东西掉了；要么为了防滑拼命加压，结果"咔"一声捏碎了。

而人拿鸡蛋，靠的是什么？是指尖皮肤能敏锐感知到那种"好像要往外溜"的趋势，也就是切向力的细微变化，然后不动声色地再加一点点握力，感觉到滑止住了，力立刻停住。这是一个连续的、毫秒级的闭环。没有切向力感知，这个闭环根本转不起来，夹鸡蛋就永远是一锤子买卖，全靠预设的力气碰运气。

切向力的重要性，在插拔类操作里体现得更直接、更无可替代。你往电脑上插一个U盘，或者把一束线束的插头往插座里送，眼睛往往只是粗粗对个大概，真正判断有没有插进去、插没插到底的，是你的手。

插头刚进入时那点阻力、对准滑道之后阻力的变化、到位瞬间那一下轻微的卡顿和"咔哒"反馈——这一整串信息，全是沿着插拔方向的切向力，以及它在不同阶段的变化，在给你报信。

回过头看前面说的苏州那家工厂，机器人位置对了却总是插不好，根子就在这里。它手里只有坐标位置和法向力，却感知不到沿插拔方向的那股阻力和到位信号，自然无法判断自己到底插没插成、插没插到底。位置告诉它"我到了"，切向力才能告诉它"我成了"，而它恰恰缺了后一句。

前两年曾有厂商展示灵巧手夹鸡蛋的视频，网上一片惊叹，觉得机器人的手感已经好得不行了。但懂行的人看得明白：那种演示虽然也用了触觉传感器，但用的是比较简单的方案，通常只有法向力、没有切向力。

没有切向力意味着什么？意味着它夹完这一颗摆好的鸡蛋，再去夹别的东西，力道很难自适应。它能在被精心安排过的演示里，夹好一颗位置、姿态都固定的鸡蛋；却没法靠切向反馈，去应对物体重量变化、表面摩擦系数变化、姿态变化这些真实产线上天天发生的事。演示是定制的、可预期的，干活是随机的、充满变数的，这中间的差距，很大一块就落在切向力这一项上。

那么问题来了：切向力为什么这么难测？这跟传统传感器的物理结构直接相关。

压阻、电容、霍尔这些阵列式方案，靠的是在手指表面密密麻麻排布大量敏感单元，去感知垂直压下来的力。法向力直接作用在这些单元上，测起来相对直接、容易实现。可切向力是顺着皮肤表面"搓"过去的，要把它从复杂的接触状态里准确解算出来，对传感器的空间分辨率和信号解耦能力要求极高。阵列单元就算做得再密，物理上也有密度上限，很多时候最后只能给出一个含混的合力，法向和切向搅在一个数值里，谁也分不清。

这，恰恰是视触觉这条路线近年来被寄予厚望的原因之一。视触觉在弹性体皮肤后面放一个微型摄像头，把皮肤受压、受搓时的形变完整地拍成图像，再用算法反推出力的分布。

皮肤在法向力下怎么均匀凹陷、在切向力下怎么朝一侧错动、滑动时表面纹理怎么飞快变化——这些信息都被高分辨率地一帧帧记录下来。法向力和切向力在图像里呈现的形变模式是明显不同的，算法据此可以把二者清晰地解耦、分别计算出来。换句话说，视触觉天生就能把"压得多紧"和"会不会滑"这两件事分开看、同时看，而且切向力的灵敏度非常高。

从工程角度理解，切向力给机器人装上的，是一套"防滑"加"到位"的双闭环。

防滑闭环靠它：搬运物体时，一旦指尖感知到接触面开始出现切向滑动，机器人就实时微调握力，用最小的必要力道把东西稳稳拿住——既不让它滑落，也不因为用力过猛而捏伤、夹变形。这个"刚刚好"的控制，正是人手最自然、最节能的工作方式。

到位闭环也靠它：在装配、插拔、拧螺丝这类操作里，沿着操作方向的切向力变化，本身就是一条天然的"进度条"。阻力上升、阻力下降、到位瞬间那一下顿挫，每一个特征点都对应着装配进程的一个阶段。有了这条实时反馈，机器人根本不需要把位置精度做到极端、把工件公差压到天价，它可以靠触觉自己找正、自己确认到位，这对降低整套自动化系统的成本和调试难度，价值非常大。

这一点，对柔性物体操作尤其关键。衣服、线缆、食物、橡胶件，这些东西没有固定形状，你根本没法靠"走到预设位置"去对付它们。抓一块布料，它会垂、会皱、会从指缝里溜；理一束线缆，它们会缠绕、回弹、窜动。

这类任务里，物体的状态每分每秒都在变，视觉能给出的信息严重滞后，唯一可靠、实时的信息来源，就是指尖和物体之间那股切向力——哪里吃紧、哪里松脱、有没有挂住、有没有滑脱。只有高分辨率的触觉能持续捕捉这些动态，机器人才有机会像人一样，凭手里的感觉去"对付"这些不老实的软东西。

我们做工业设计和产品开发，对"切向力"这门学问其实一点都不陌生，只是平时换了个说法，管它叫手感、叫阻尼、叫防滑。我们设计一把钳子、一个手柄、一个卡扣，反复打磨、反复打样的，往往就是切向方向上的交互。

钳子咬合时会不会打滑，靠的是齿纹和摩擦力；卡扣装没装到位、结不结实，靠的是那一下侧向的顿挫；用户拧瓶盖、推滑盖、旋旋钮时觉得"顺手"还是"生涩"，全在那条切向力曲线调校得好不好。我们花大量精力做表面纹理、做阻尼结构、做段落手感，追根究底都是在为人类的手指提供更清晰、更好用的切向反馈。现在机器人要接手这些活儿，某种意义上，就是要把我们过去为人类手指精心设计的这一整套"切向语言"，翻译成传感器能读得懂、算法能处理得了的信号。

落到产线价值上，切向力感知直接对着一批最难啃的硬骨头工位。苏州及周边是3C、电子、精密制造最密集的区域之一，这边的企业最头疼的就是两类活。

一类是接插件装配、排线压合、精密螺纹这类"差一点都不行"的精细插拔，对到位反馈极度敏感，虚接、歪插、过插都是质量事故。另一类是玻璃盖板、光学镜片、高光外壳、软包电池这类易损件的搬运，既要拿得稳、不掉件，又绝对不能划伤、夹碎、留印。这两类工位，传统刚性自动化要么干脆做不了，要么良率长期不稳，至今仍高度依赖熟练工人的手感。当机器人的指尖能灵敏感知切向力，能凭摩擦力防滑、凭阻力判到位、凭滑动趋势及时收力，这些卡了多年的工位，才算真正有了靠谱的自动化技术底座。

再往深一层看，切向力还是让机器人从"位置思维"走向"接触思维"的关键一步。

过去几十年的工业自动化，骨子里是位置控制的逻辑：一切都是预设好的坐标和轨迹，工件必须乖乖待在它该在的位置、必须是标准尺寸，整条线才能跑顺。可真实产线里充满了公差、变形、磨损和不确定性，位置思维天生脆弱，稍有偏差就卡壳、就报警。而人手的强大之处，恰恰在于我们从不苛求绝对位置，而是靠接触瞬间丰富的力反馈随机应变、将错就错。

切向力，正是这种"接触思维"里信息量最大、也最难获取的一环。把这一环补齐、用好，机器人才算真正开始理解"接触"是怎么一回事，而不只是理解"到达"是怎么一回事。

所以说，夹不夹得起鸡蛋、插不插得准接口，表面看是机器人灵巧不灵巧的问题，根子上是它手上缺不缺切向力这一种关键信息的问题。法向力让机器人知道自己"用了多大劲"，切向力才让它真正懂得"这股劲使得对不对、东西稳不稳、这活儿到底到位没有"。当这一种力被高分辨率地感知、被模型实时地利用起来，机器人那双过去只会"照着坐标使劲"的手，才真正有了几分人手上那种难以言传、却精准可靠的分寸感。