在近期人工智慧技術研究中，Facebook分別詮釋如何讓機器人擁有「觸覺」，以利機器人在透過手臂夾取物品時，能像人類透過皮膚觸覺感受物品質感、重量般，藉此判斷應該施與合適力道，進而順利取起物品，而非錯誤判斷施與力道，導致物品損毀。
依照Facebook AI研究室的研究經理Abhinav Gupta與博士後研究人員Tess Hellebrekers，以及由研究科學家Roberto Calandra與研究工程人員Mike Lambeta撰文內容表示，目前希望透過在機器人身上加上觸覺感知能力，使其能獲得更貼近人類的互動，例如能順利透過機器手臂拿起桌上的蛋，而不會因為施與力道過度而將蛋弄破。
而在實際設計中，Facebook AI研究室分別以可識別機器手臂指尖壓按深度的DIGIT感測元件，以及可模擬「觸覺」的ReSkin感測元件，讓機器人可以自主判斷機器手臂壓按力道程度。
其中，DIGIT感測元件採15美元造價成本、可識別高解析度影像設計，接觸表面則覆蓋一層透明矽膠，底下則包含照明用LED燈組，以及用於影像識別的攝影鏡頭。當機器手臂指尖開始進行壓按動作時，系統就會透過影像識別方式判斷指尖施與力道。
配合預先訓練數據內容，即可讓機器知曉當指尖回傳識別影像對應為玻璃杯、保麗龍等易碎材質時，就會採取較小夾取力道，並且配合夾取物品外觀大小作調整，以便順利將物品成功夾取。
至於與卡內基梅隆大學合作打造可模擬「觸覺」的ReSkin感測元件中，則可透過模仿人類皮膚的設計，在彈性材質底下加入微磁粒子，搭配軟性電路板運作。透過磁力改變計算相關數據，讓機器手臂隨著施與力道增加而判斷物品受力程度。而2-3mm厚度設計的ReSkin約可對應5萬次使用壽命，約可在1mm高度形變過程中以400Hz識別率判斷施與力道，精準度更可達90%。
不過，包含DIGIT、ReSkin兩種設計都必須透過深度學習方式進行訓練，意味機器人可學習觸覺依然會侷限在預先訓練使用資料範圍內，但預期未來將能透過不同學習框架，讓機器人可以學習知曉更多「觸覺」，藉此反應在更真實互動中所使用力道。
除了應用在機器人觸覺，目前此類技術也將能應用在更多智慧穿戴裝置觸控互動，例如應用在衣物等軟性表面物品，藉此產生觸控操作反應，甚至應用在機器人身上也能模擬產生「痛覺」或「搔癢感」。
