Como un dispositivo perceptual esencial, el sensor táctil puede mejorar de manera eficiente la inteligencia robótica al proporcionar percepción de la fuerza de contacto para desarrollar algoritmos basados en la retroalimentación de la fuerza de contacto. Sin embargo, la tecnología actual de agarre táctil carece de sensores de alto rendimiento y modelos de predicción de agarre de alta precisión, lo que limita su amplia aplicación. En este contexto, se construyó un sistema de agarre robótico inteligente que combina una matriz de sensores táctiles altamente sensibles. Se estableció un conjunto de datos que puede reflejar la fuerza de contacto de agarre de varios objetos mediante múltiples retroalimentaciones de operaciones de agarre de una matriz de sensores táctiles. También se registró el estado de estabilidad de cada operación de agarre. Sobre esta base, se propusieron modelos de predicción de estabilidad de agarre con buen rendimiento en el juicio del estado de agarre. Al alimentar datos de entrenamiento en diferentes algoritmos de aprendizaje automático y comparar los resultados del juicio, se puede obtener el mejor modelo de predicción de agarre para diferentes escenas. Se validó que el modelo era eficiente, y la precisión del juicio fue superior al 98% en la predicción de estabilidad de agarre con datos de entrenamiento limitados. Además, los experimentos demuestran que la entrada de fuerza de contacto en tiempo real, basada en la retroalimentación de la matriz de sensores táctiles, puede controlar periódicamente a los robots para realizar un agarre estable de acuerdo con el estado de agarre en tiempo real del modelo de predicción.