在近期人工智能技术研究中，Facebook分别诠释如何让机器人拥有「触觉」，以利机器人在透过手臂夹取物品时，能像人类透过皮肤触觉感受物品质感、重量般，藉此判断应该施与合适力道，进而顺利取起物品，而非错误判断施与力道，导致物品损毁。
依照Facebook AI研究室的研究经理Abhinav Gupta与博士后研究人员Tess Hellepekers，以及由研究科学家Roberto Calandra与研究工程人员Mike Lambeta撰文内容表示，目前希望透过在机器人身上加上触觉感知能力，使其能获得更贴近人类的互动，例如能顺利透过机器手臂拿起桌上的蛋， 而不会因为施与力道过度而将蛋弄破。
而在实际设计中，Facebook AI研究室分别以可识别机器手臂指尖压按深度的DIGIT感测组件，以及可模拟「触觉」的ReSkin感测组件，让机器人可以自主判断机器手臂压按力道程度。
其中，DIGIT感测元件采15美元造价成本、可识别高分辨率影像设计，接触表面则覆盖一层透明硅胶，底下则包含照明用LED灯组，以及用于影像识别的摄影镜头。 当机器手臂指尖开始进行压按动作时，系统就会透过影像识别方式判断指尖施与力道。
配合预先训练数据内容，即可让机器知晓当指尖回传识别影像对应为玻璃杯、保丽龙等易碎材质时，就会采取较小夹取力道，并且配合夹取物品外观大小作调整，以便顺利将物品成功夹龋
至于与卡内基梅隆大学合作打造可模拟「触觉」的ReSkin感测元件中，则可透过模仿人类皮肤的设计，在弹性材质底下加入微磁粒子，搭配软性电路板运作。 透过磁力改变计算相关数据，让机器手臂随着施与力道增加而判断物品受力程度。 而2-3mm厚度设计的ReSkin约可对应5万次使用寿命，约可在1mm高度形变过程中以400Hz识别率判断施与力道，精准度更可达90%。
不过，包含DIGIT、ReSkin两种设计都必须透过深度学习方式进行训练，意味机器人可学习触觉依然会局限在预先训练使用数据范围内，但预期未来将能透过不同学习框架，让机器人可以学习知晓更多「触觉」，藉此反应在更真实互动中所使用力道。
除了应用在机器人触觉，目前此类技术也将能应用在更多智能穿戴装置触控互动，例如应用在衣物等软性表面物品，藉此产生触控操作反应，甚至应用在机器人身上也能模拟产生「痛觉」或「搔痒感」。
