硬氪获悉，全身多模态融合触觉解决方案供应商模感科技（MoSense）近期完成亿元级天使+轮融资，由鼎晖投资、绿洲资本联合领投，逐际动力、龙芯创投、中科创星、华山资本、浦东创投及一家国内头部具身厂商共同参与跟投。后浪资本担任此次融资的长期独家财务顾问。此前，该公司已获得红杉中国、高瓴创投及智元机器人等机构参与的天使轮投资。
模感科技于2026年5月成立，由香港科技大学机器人竞赛冠军团队孵化。公司联合创始人兼CEO严朝旭博士毕业于香港科技大学微电子系，长期专注于高频系统、电磁算法及具身多模态传感研究。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，曾担任车规级自动驾驶企业资深算法研究员，长期从事端到端自动驾驶模型、世界模型及具身智能算法研究。
模感科技专注于人形机器人的全身多模态触觉解决方案。与主要提供电子皮肤硬件的企业不同，模感科技的核心竞争力在于能够提供从触觉硬件、感知算法到触觉世界动作模型的完整技术链条，形成覆盖硬件、算法与模型的全栈方案。
具体来看，公司目前围绕三大核心产品进行布局：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。
在硬件层面，模感科技从底层力学结构入手，采用具有负泊松比特性的可调控人工晶格结构。借助这一结构，受力时可通过晶格定向旋转与形变分散外部载荷，在承受较大冲击时保护内部传感单元，同时在微小力作用下维持极高的感知灵敏度，解决了传统触觉传感器难以同时实现高灵敏度与宽量程的问题，并提升了系统的抗磁干扰和抗过载疲劳能力。
MoSkin多模态触觉集成外壳
在制造工艺方面，传统触觉传感器通常需要将传感薄膜贴附在机器人表面，再通过布线等方式完成集成。这种方式不仅工序较多、制造成本较高，也对复杂曲面的贴合能力构成挑战，限制了触觉传感器向机器人全身大面积部署。
模感科技采用的磁光固化3D打印成型工艺，可将具有特定晶格结构的材料直接加工成一体化触觉结构件，并通过在材料中引入磁性单元形成电磁晶格，算法端采用超分辨率方案使其具备强大的多模态感知能力，同时兼顾低量产成本。该技术可适配硅胶、发泡材料、TPU等不同材质，有助于实现复杂曲面的成型。公司还拥有全自动曲面大面积多模态标定算法，帮助下游客户实现即插即用。
同时，严朝旭向硬氪介绍，基于独创的“力学性能可编程”技术，同一套底层技术可根据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。例如，指尖需要更高的灵敏度，可设计得更柔软；脚底需承受较大冲击，可强化其结构支撑能力；躯干则可在大面积感知与结构强度之间取得平衡，所有复杂方案均可高效自动生成合理的拓扑结构。
在算法层面，MoTact相当于“触觉小脑”，主要负责将硬件采集的多轴磁场信号解算为力、位移、滑移、材质等感知信息，并针对不同部位的应用需求进行算法优化。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，目标是让机器人能够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
在模型层面，模感科技正同步推进基于触觉的多模态融合触觉世界动作模型MoWorld。相较于仅依赖视觉等信息进行环境判断，触觉能够提供接触力、物体形变及局部交互状态等信息。公司希望利用高频、多维的触觉反馈，持续修正机器人动作执行过程中的判断与控制，并将触觉信息作为物理先验补充到模型中，提升机器人在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，目前，模感科技的全身触觉系统已在推进与多家头部机器人本体厂商的合作，并拓展应用落地。在模型侧，公司已与头部机器人ODM/OEM公司展开合作，推动整体触觉系统及模型的一体化部署，为机器人提供完整触觉-大小脑解决方案。除人形机器人相关业务外，多行业智能整体方案也在加速商业化落地。
以下为创始人问答：
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： 传统电子皮肤大多采用薄膜或织物形态，需要贴附在机器人结构件表面。但人形机器人的肩膀、腰部等位置往往具有复杂曲面，传统方案在贴合和集成上存在一定难度，容易受到结构设计和装配工艺的限制。
我们现在的思路，是直接把触觉感知能力集成到结构件中。过去可能需要机器人壳体供应商和电子皮肤供应商共同完成这件事，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。这种方式的优势在于，结构件在成型阶段就可以适配机器人的曲面形态，减少后续贴合带来的问题。目前，硅胶、橡胶、发泡材料等不同材质，以及一些复杂曲面结构，我们都在进行适配。
所以，我们的定位不只是电子皮肤，而是触觉结构件。通过将结构设计和传感能力结合起来，我们希望让触觉系统更容易集成到机器人的不同部位，也为后续规模化生产创造条件。
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： 其实这是我们快速工程化能力的一个体现。不同机器人厂商对外壳材料、结构硬度和触觉灵敏度的要求并不一样。如果每接到一个客户的需求，都要重新设计结构、重新进行仿真，开发周期就会比较长。
因此，我们在前期设计和仿真环节，就把结构参数做成了可调控的。客户如果需要更强的抗冲击能力，我们就可以调整结构，让它更坚固；如果需要机器人手臂在轻微接触时就能感知，我们就可以将相应区域设计得更柔软、更灵敏。
我们也在通过仿真模型，分析结构形变与分布式复杂磁场信号之间的关系，从而更快地完成设计和参数调整。这样面对不同客户、不同机器人结构时，我们就不必每次都从头开发，可以在已有技术体系上快速适配。
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： 机器人不同部位的感知需求差异很大，因此算法也需要进行针对性设计。
例如，手指和手掌涉及抓取、精细操作等任务，对灵敏度、采样率和分辨率的要求比较高，我们就会提高这些区域的传感器布置密度，并针对高频接触动作优化算法。手和脚还涉及相对复杂的受力情况，因此需要进一步强化多轴力感知能力。
但对于躯干等大面积区域，需求可能有所不同。这些位置更关注低功耗和大范围覆盖，不一定需要持续进行高频采样。针对这类场景，我们可以设计相应的低功耗算法，例如在常态下采用低功耗监测模式，在检测到碰撞等事件后再提高采样频率。
因此，我们不是用同一套参数覆盖机器人全身，而是根据不同部位的接触特点、受力情况和任务需求，对传感器布局、采样率、分辨率及算法进行差异化配置。这样既能满足关键部位的精细感知需求，也有助于控制整套系统的功耗和成本。