因此，FAIR将其触觉技术研究集中在四个主要研究领域，即硬件、模拟、处理和感知。我们已经看到了FAIR在硬件上的努力，其中DIGIT是一种低成本、紧凑的高分辨率触觉传感器，与通常依赖电容或电阻方法的传统触觉传感器不同，DIGIT实际上是基于视觉的。
在传感器内部有一个摄像头，在硅的周围放置有RGB LED，然后有一个硅凝胶，每当触摸物体时，硅胶将会产生阴影或颜色线索的变化，然后由摄像头记录下来。这允许DIGIT]拥有极高的分辨率和极高的光谱灵敏度，同时拥有一个机械上非常坚固的设备，并且非常容易和便宜地生产。DIGIT的生产成本约为15美元，而且作为开源硬件，其生产原理可供具有制造能力的大学和研究机构使用。
在模拟方面，Facebook允许ML系统在虚拟环境中进行训练，而不需要收集成堆的真实世界的硬件数据。FAIR已经开发了TACTO。这个系统可以每秒生成数百帧真实的高分辨率触摸读数，以及模拟基于视觉的触觉传感器，这样研究人员就不必花费数小时敲击传感器来创建真实世界训练数据的汇编。
最近，FAIR与卡内基梅隆大学合作开发了ReSkin，一种用于机器人和可穿戴设备的触摸感应"皮肤"。这种可变形的弹性体里面有微磁粒子，搭配一个薄的柔性PCB，它基本上是一个磁力计的网格。皮肤背后的传感技术非常简单，如果你向它施力，弹性体就会变形，随着它的变形，它改变了磁通量，由磁力计读取。"
像ReSkin这样的通用触觉皮肤将提供丰富的接触数据来源，这可能有助于在广泛的触摸任务中推进人工智能，包括物体分类、本体感觉和机器人抓取。尽管生产成本相对较低，100个单位生产成本约为6美元，但ReSkin的耐用性令人惊讶。2-3毫米厚的材料可以持续5万次触摸，同时产生高频、3轴触觉信号，并保持高达400Hz的时间分辨率和1毫米的空间分辨率，精确度达90%。
鉴于这些特性，FAIR的研究人员预计ReSkin将被用于多种应用，包括手部操作，即确保机器人抓手不会压碎它正在拿起的鸡蛋，测量现场的触觉力，测量人手对物体施加多少力，以及接触定位，基本上是教机器人识别它们正在接触的东西，以及一旦它们接触到不同的物体应该施加多大压力。
