触觉赛道新变化:从传感器到数据模型,进入世界模型仍面临核心难题

人形机器人核心部件国产化:2026量产前的十家产线验证企业 人形机器人作为具身智能的物理载体,其产业化核心在于高精度、高可靠、可量产的关键部件——谐波减速器、力矩传感器、伺服驱动器与灵巧执行机构。其技术原理涉及多源信号融合、宽温域力控闭环、纳米级机械稳定性及功能安全认证(如ISO 13849-1 PLd),技术价值体现在将实验室算法转化为72小时连续老化测试合格的工业级模组。典型应用场景覆盖双足步态控制、触觉-视觉-运动实时闭环、湿滑地面防滑干预等真实工况。本文聚焦已通过特斯拉Optimus Gen-3或优必选Walker X等头部整机厂工程验证的十家企业,基于产线 阅读详情

触觉赛道有何新变化?

今年以来,触觉赛道有了新变化。从WRC可见,一些玩家讲的不再只是传感器硬件能力有多高,而是开始摆出自己的数据集、模型,甚至评测基准。围绕触觉的竞争,正在从从一块传感器,扩展到数据采集、模型训练和能力评估的整条链条。

触觉竞争背后的悖论是什么?

这背后有一层容易被忽略的悖论:触觉能补上纯视觉模型看得见、摸不透的短板,让世界模型对物理世界的“想象”更靠谱;但同一次接触,换一个传感器、换一只手,反馈信号可能完全不同。这既是触觉眼下最大的价值,也是它最大的麻烦:它让模型更懂物理,也更容易被焊死在某一套硬件上。

触觉竞争如何从传感器卷到数据和模型?

如果只看出货,触觉还是一门硬件生意,但如果看2026年以来的投融资和产品消息,它却正在变成一门向着数据与模型靠拢的生意。7月,千觉机器人同时发布数采夹爪、千小时视触觉数据集TacVerse 1k和触觉模型X - TouchMind V1。三者对应一条连续的技术链:采集设备记录操作中的画面、触觉和动作,数据集汇总这些记录,模型再从中学习如何完成任务。

类似变化也出现在其他公司。戴盟机器人4月发布含触觉的全模态数据集Daimon - Infinity,据其公开信息,首批1万小时数据已在阿里魔搭社区开源;6月又与银河通用发布触觉操作评测基准RobOmni,其亿元A轮融资也明确投向物理交互数据和物理世界模型。他山科技在触觉传感器月交付量达数万枚的同时,开始建设触觉训练平台,并提出研发“触觉原生模型”。

企业向数据和模型端延伸的同时,研究界也在往同一个方向靠拢。RSS 2026大会的触觉专题研讨会上,来自头部企业和学界的研究者们认为,过去很多机器人论文习惯把触觉留到“未来工作”部分一笔带过,如今它正被重新拉回机器人基础模型的核心设计环节。新加坡国立大学、复旦大学等机构联合提出的OmniVTA,以及哈尔滨工业大学团队推出的TouchWorld,都不约而同地把触觉纳入“预测接下来会发生什么”的范畴,这正是世界模型的核心任务。

当然,模型侧的公开成果目前仍限于论文预印本、展会Demo和技术验证,商业收入与长期生产部署都很有限。但变化已经足够清楚:触觉企业不再只争夺机器人身上的硬件位置,也开始争夺触觉数据如何采、如何表示、如何进入模型的定义权。在底层标准尚未收敛时,企业先同时掌握传感器、标定、数采和模型,建立一套能够运行的内部闭环,最大程度减少各环节之间的适配成本,成了相对常见的工程思路。

“缺数据”如何被重新定义?

当然,这本身也并不是新概念。2019年,加州大学伯克利分校与脸书AI团队发表的论文《Manipulation by Feel》,已经在利用触觉预测模型控制机器人操作。近期变化在于,触觉开始进入规模更大、同时处理视觉和动作的世界模型体系。

而触觉预测能力,恰恰是纯视觉世界模型最容易露怯的地方。华盛顿大学与Meta FAIR团队今年2月发布的论文《Visuo - Tactile World Models》指出,纯视觉世界模型在物体被遮挡或接触状态模糊时,经常凭空想象出违反物理规律的画面,加入触觉后,模型在理解物体恒存性上的表现提升33%,符合运动规律的比例提升29%,在真实机器人上的零样本任务成功率最高提升35%。

新智具身与复旦团队7月发布的N₀ - TWAM模型,在公开的UniVTAC仿真基准上取得84.5%的平均成功率,高于同一实验中表现最好的纯视觉世界动作模型FastWAM的48.0%。消融实验显示,去掉对未来触觉的预测或当前触觉输入,成功率都会明显下降。

这些结果都在说明,触觉确实能让世界模型的“想象”更贴近真实物理。但一个更棘手的问题也随之浮出水面。今年6月,斯坦福、伯克利与英伟达团队联合发布的T - Rex论文(作者包括李飞飞、Jim Fan等人)给出了一个直接的反例:把触觉信号直接拼接进一个已经训练好的VLA模型后,平均成功率由17%降至6%;采用独立的高频触觉专家、时序编码和专门训练流程后,成功率才提高到65%。作者把触觉与视觉的频率差异、同步方式和表示方法列为重要挑战。RSS 2026研讨会上,斯坦福大学教授Mark Cutkosky也佐证了这一点,他把触觉信号的时序结构类比为声音而非静态画面,认为这个领域至今没有摸索出一套专门处理这种高频、多速率信号的标准流程。

这就是触觉进入世界模型后绕不开的核心难题:模型学到的,究竟是“物体打滑时摩擦力会如何变化”这样可以迁移的规律,还是“这套传感器在打滑时电压会怎么跳”这样和具体硬件绑定的规律?如果是后者,换一个传感器、换一只灵巧手、换一套控制系统,模型积累的“手感”可能就要从头学起。

模型如何开始算经济账?

视觉领域早年之所以能形成模型和数据的良性循环,很大程度上是因为有摄像头这样相对标准化的硬件底座;触觉硬件本身还没有形成通用方案,电容、压阻、霍尔磁和视触觉等路线记录的并不是同一种信号,同一次抓取,有的传感器输出压力数值,有的测量不同方向的力,有的则记录接触面的形变图像。

RSS 2026研讨会上也有类似的讨论,专家们直言触觉领域至今缺少一个类似的硬件规范,太多种互相竞争的传感器方案并存,让整个领域长期处于割裂状态。他山科技把这归纳为触觉数据“跨设备迁移难”;新智具身则给它起了个更形象的名字,叫触觉的“方言问题”。

也有人试图为不同触觉硬件建立一层“翻译器”。清华大学、加州大学伯克利分校与Sharpa等8家机构联合提出的FTP - 1,是一套跨传感器训练的触觉基础策略。它没有强行把不同传感器的原始信号直接混在一起,而是先用不同的编码器处理图像、阵列和力状态等输入,再根据这些信号来源位置(是来自指尖、手掌还是手腕),将编码结果放入统一的触觉表示空间,供同一个触觉专家和动作策略使用。

FTP - 1聚合了26个数据源、21种传感器和约3000小时触觉操作数据进行预训练。在两套训练阶段未见过的传感器配置上,研究者重新训练相应的传感器编码器,并分别使用每项任务50条或100条示范进行微调。最终,FTP - 1在三项任务中的平均成功率为46.6%,高于同一实验中基线模型的15.0%。

但FTP - 1还不是通用触觉的最终答案。接入新传感器时,它仍要从头训练相应编码器;三项新任务还是分别使用了50条或100条示范数据,并非直接迁移;实验也只覆盖了两套新配置和三项任务。它证明了一部分触觉经验能够跨硬件迁移,却还远未把所有传感器翻译成同一种可以直接互换的“手感”。

对世界模型来说,这意味着触觉暂时还不是一种可以直接汇入同一训练池的数据。数据规模因此也不能只用小时数衡量:如果不同传感器的数据无法共同训练,再大的数据集也可能只是在扩大一套软硬件系统的经验,而没有同步扩大世界模型对物理规律的理解范围。

对触觉企业而言,这将决定它们向上延伸后,建立的是一套围绕自家产品运行的软硬件体系,还是一种能够连接更多传感器、机器人和模型的数据基础设施。前者更有利于特定产品快速落地并形成商业壁垒,后者则更符合世界模型跨硬件、跨本体扩展的长期构想。

我们可以预想,在当前硬件与数据条件下,在商业化要求下,未来一段时间,能够形成自家可用体系的“全栈派”可能更有落地希望,毕竟目前客户需要的就是能跑通的方案,而不是与研发团队一同探索“通用触觉”的技术愿景。千觉、戴盟等同时做传感器、数据和模型,本质就是以系统集成闭环换商业落地速度。

而在更久的时间维度上,只做全栈的公司恐怕会被锁死在自有硬件的出货量天花板里。真正能跑出大估值的,是那个能做出“触觉界ImageNet”或者“触觉界Transformer架构”的玩家。不管它是FTP - 1这样的产学研体系化成果,还是某家愿意开放数据接口的公司。

触觉要让世界模型经得起真实接触的检验,也让世界模型原本看似直接的规模化路径多了一些曲折。触觉真正进入通用世界模型的标志,不会停留在模型能够生成一段逼真的触觉信号,而是模型不必跟着每一款传感器,重新认识一次物理世界。

【信息科学与工程学】计算机科学与自动化——第六十三篇 人机交互之前端交互参数知识库02 每个分支下又细分了四个关键方向,并按照“研究对象/焦点、基本问题、核心理论/概念、研究方法、应用/目标、前沿/发展”的框架进行阐述,严格遵循了六级编码体系。在最终整合时,应建立唯一的学科分类编码表(例如,用两位数字或“ART”、“MED”、“ECO”等字母前缀),并确保所有下级编码(尺度、层次、类别、子类、具体项)的逻辑一致性。此回答中的编码为示例,实际系统需据此调整。控制过程(前馈、同期、反馈)、全面质量管理(TQM)、平衡计分卡(BSC)定量(调查、实验)、定性(访谈、民族志)、混合方法、大数据。 阅读详情

相关推荐

数量1倍数特性.pdf

数量1倍数特性.pdf

机器人数据标注平台技术架构与能力对比分析

机器人数据标注平台的技术选型是一项系统性工程,需要综合考虑技术能力、服务质量、成本效益、安全合规等多重因素。技术能力优先:多模态融合能力、AI预标注效率、质检自动化程度是核心技术指标实测验证不可少:PPT演示不如实测数据,小批量测试是选型的必经环节安全合规是底线:数据安全不妥协,合规资质是采购门槛长期视角看成本:低价不等于低成本,全流程投入才是真实成本持续迭代选型方法:行业变化快,选型方法论也要持续更新希望本文的技术分析能为机器人行业从业者提供有价值的参考。

ok_vince的博客 389

__EF550.zip

__EF550.zip

国央企创新负责人如何利用平台实现技术需求的精准挖掘与匹配?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

【高速互连技术】合规性测试规范:物理层信号完整性与链路均衡验证系统设计

内容概要:本文档介绍了分析工具进行实践对照,并关注后续规范版本更新以确保符合最终发布标准。

万人睡眠健康与生活方式调查数据集

成年人群睡眠健康与生活方式研究数据集,合成模拟10000行20列单CSV文件,睡眠障碍标记人群占比约四分之一。设置双预测目标:睡眠障碍二分类字段与日间疲劳得分回归字段,可分别开展分类与回归建模。特征字段涵盖年龄、性别、十一种职业类别、每周工作时长、轮班工作标记、自我压力评分、身体质量指数BMI、吸烟状态、每周饮酒量、每日咖啡因摄入毫克数、睡前一小时屏幕使用时间、每周运动分钟数、日均步行数、静息心率、习惯就寝时间点、平均睡眠时长、睡眠质量自评等二十项。数据完整无缺失,结果列与特征列分离清晰,便于目标泄漏防范练习。适用场景:睡眠障碍预测建模、日间疲劳程度回归分析、咖啡因与睡前屏幕对睡眠时长的影响量化、不同职业群体睡眠质量对比研究、逻辑回归与梯度提升模型对比实战等。合成数据不含真实个人信息,适合健康数据分析教学、特征工程练习与机器学习课程实训项目使用。

自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标(Matlab代码实现)

内容概要:本文提出了一种自适应多机器人编队规划方法,旨在实现对具有运动能力和可见性约束目标的高效包围与持续跟踪,采用Matlab进行算法实现与仿真验证。该方法综合考虑了多机器人系统在动态环境中的协同控制、编队形态生成与保持、障碍物规避以及目标可见性维护等关键问题,通过设计分布式控制律使编队能够根据目标行为和环境变化自适应调整队形与运动轨迹,确保稳定包围并最大化目标观测质量。文中详细阐述了系统的数学建模过程、控制策略设计原理及约束处理机制,并提供了多场景下的仿真实验结果,验证了所提方法在复杂条件下的鲁棒性、灵活性与有效性。; 适合人群:具备自动化、机器人学、控制理论或人工智能等相关领域基础知识的科研人员及研究生,熟悉Matlab编程环境并致力于多智能体系统、协同控制、路径规划或智能无人系统研究的专业人士。; 使用场景及目标:①应用于多机器人系统在监视、围捕、搜救等任务中对移动目标的协同包围与跟踪控制;②为研究分布式编队控制、可见性优化、动态避障与多智能体协同决策等核心技术提供可复现的算法实例与理论支撑; 阅读建议:建议读者结合提供的Matlab代码逐模块分析算法实现细节,重点关注控制律设计、约束建模与仿真结果对比部分,宜在仿真环境中调整参数配置以深入理解系统性能边界与优化潜力。

FANUC-R2000iC165F-六轴机械臂码垛仿真

FANUC_R2000iC165F_六轴机械臂码垛仿真

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)内容概要:本文介绍了基于NSGA-II多目标优化算法对包含风能、光伏、火电、储能系统、需求响应及电转气(P2G)等多种能源形式的综合能源系统进行优化调度的研究,采用Matlab进行代码实现。研究综合考虑了系统运行成本、碳排放、能源利用率等多个优化目标,通过建立精确的数学模型,结合可再生能源出力不确定性、负荷波动以及需求响应机制,实现多能源协同调度的帕累托最优解集求解,旨在提升能源系统的经济性与环保性,并验证所提方法的有效性和实用性。; 适合人群:具备一定电力系统、优化算法及Matlab编程基础的研究生、科研人员以及从事能源系统规划与运行相关工作的工程技术人员。; 使用场景及目标:①应用于多能源互补的综合能源系统优化调度研究;②为实现低碳、高效、可靠的能源供应提供决策支持;③学习和掌握NSGA-II算法在复杂多目标优化问题中的实际应用方法。; 阅读建议:建议读者结合Matlab代码与文中模型描述逐步理解算法实现流程,重点关注目标函数构建、约束处理及Pareto解集的生成与分析,有条件者可进一步修改参数或扩展模型以深化理解。

frontend-design skills

frontend-design skills

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?.docx

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?

16周全【Harness&Hermes】多智能体开发特训营

2026年的AI开发者圈子里,几乎没有人再怀疑多智能体的价值。Gartner预测年底40%的企业应用将内置智能体,LangChain、AutoGen、CrewAI等框架轮番登场,演示视频里的AI团队分工明确、配合流畅。然而,一个尴尬的现实是:大多数开发者手里跑通的多智能体项目,停留在Jupyter Notebook的最后一行。一旦试图把它塞进真实业务环境,问题便如潮水般涌来——长任务跑到一半崩了要重来,智能体之间的消息黑盒般不可追溯,换个场景就得推倒重写,上线之后连“刚才那次调用为什么花了三倍的钱”都查不出来。 这正是【Harness&Hermes】多智能体开发特训营试图回应的命题。它的切入点不在“再教你写一个Demo”,而在于一个更朴素却更稀缺的能力:让多智能体系统从演示玩具变成可交付、可运维、可演进的生产资产。 要理解这门课的价值,得先看清多智能体开发当前的断层在哪里。单Agent时代,提示词写得好、API调得通,基本就能交差。但多Agent协作的本质是编排:谁负责拆解需求,谁负责执行,谁负责校验,上下文如何在角色之间传递而不丢失,某个环节出错时整条链路如何回退。这些问题的难度不在模型能力,而在工程控制。市面上不缺讲LangGraph节点怎么连、RAG检索怎么做的教程,缺的是把“多个智能体在真实业务压力下稳定协作”这件事讲透的人。 Harness与Hermes的分工,恰好对应了工程控制的左右手。根据课程的设计逻辑,Harness管“流程”,Hermes管“记忆与进化”。Harness 负责长任务的流程治理:一个面试模拟流程跑了二十分钟,中途用户关掉页面,下次打开能不能接着上次的进度继续?某个Agent调用工具超时了,整条链路是崩溃还是优雅降级?线上出了问题,日志能不能精确到“第几轮对话、哪个Agent、调了什么工具、花了多少token”。这些听起来不性感,但任何一

国企央企如何实现技术成果的精准对接与快速落地?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

产业园区运营负责人如何利用数据智能化提升科技资源配置效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计研究(Matlab代码实现)

内容概要:本文围绕用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计展开研究,深入探讨了卡尔曼滤波在动态系统状态估计中的核心作用。文章系统阐述了卡尔曼滤波的数学基础,包括状态空间模型的建立、先验与后验状态估计、协方差矩阵的递推更新,以及最优增益矩阵的推导过程,确保在高斯白噪声环境下实现对系统状态的最小均方误差估计。结合Matlab代码实现,完整展示了算法从理论建模到仿真实验的全流程,涵盖系统建模、噪声设置、滤波迭代、状态更新与误差分析等环节,并通过仿真实验验证了算法在噪声干扰下对系统真实状态的高精度跟踪能力。该研究为控制工程、导航系统、信号处理及自动化领域中的状态估计问题提供了坚实的理论依据与高效的数值实现方案。; 适合人群:具备一定控制理论、概率统计基础和Matlab编程能力,从事自动化、电子信息、航空航天、机器人、导航定位等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①掌握卡尔曼滤波的基本原理及其在状态估计中的数学推导过程;②学习如何利用Matlab实现卡尔曼滤波算法并进行系统仿真与性能评估;③应用于目标跟踪、传感器融合、惯性导航、故障诊断、时间序列预测等实际工程中的动态状态估计问题。; 阅读建议:建议读者结合文中提供的Matlab代码进行动手实践,通过调整系统模型参数、过程噪声与观测噪声强度,观察滤波效果的变化,深入理解卡尔曼增益的自适应调节机制与MMSE估计的收敛特性。同时可进一步拓展学习扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)等非线性滤波方法,以应对更复杂的非线性系统状态估计挑战。

高校技术转移办公室人员如何提升成果转化服务效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

一种具有实验验证的层级扰动抑制深度跟踪控制算法,适用于欠驱动型AUV(Simulink仿真、Matlab代码)

内容概要:本文详细介绍了一种专为欠驱动型自主水下航行器(AUV)设计的层级扰动抑制深度跟踪控制算法,该算法通过构建分层控制架构,有效应对海洋环境中复杂的外部扰动(如水流、波浪等)以及系统内部的非线性动态特性,显著提升了AUV在执行深度跟踪任务时的控制精度与系统鲁棒性。研究不仅涵盖了控制策略的理论设计与稳定性分析,还包括详细的Simulink仿真模型搭建、Matlab代码实现及参数设置,并通过对比实验验证了所提方法在抗干扰能力和跟踪性能方面相较于传统控制算法的优越性。资源包内含完整的可运行代码、仿真模型和详尽的文档说明,便于研究者复现结果并在此基础上进行二次开发与创新。; 适合人群:具备自动控制理论基础、海洋工程或机器人相关学科背景,且熟练掌握Matlab/Simulink仿真环境的科研人员、研究生及高年级本科生。; 使用场景及目标:① 深入学习和研究欠驱动AUV的先进运动控制技术,特别是深度跟踪控制策略;② 开展水下机器人抗外部扰动控制算法的设计、仿真与性能验证工作;③ 作为毕业设计、科研项目或学术论文的技术支撑与代码原型,加速研究进程。; 阅读建议:建议使用者结合提供的Matlab代码与Simulink模型,逐模块理解算法的实现逻辑与数据流,推荐从简单静态环境仿真入手,逐步过渡到复杂动态扰动工况,通过调整控制器参数与扰动强度,全面掌握算法的性能边界、鲁棒性特征及优化潜力。

从0到1:提示工程架构师搭建Agentic AI系统的全流程实战手册

Agentic AI(自主智能体)是具备自主决策能力的大模型应用感知(Perceive):获取外部环境信息(比如代码仓库、用户输入、数据库数据);记忆(Memory):存储和检索历史信息(比如过去的审计记录、用户偏好);规划(Plan):将复杂任务拆解为可执行的步骤(比如“代码审计”拆成3步);行动(Act):调用工具或API完成具体操作(比如调用Git克隆仓库、调用Safety查漏洞);反馈(Feedback):根据结果调整策略(比如用户说“报告不够详细”,下次增加逻辑漏洞的分析深度)。

AI Agent Harness Engineering 1044
上一篇: Anthropic Opus 模型语言问题频出,拖累开发进度、增加成本!
下一篇: 阿里Q2财报:AI云增长45%利润跟上,千问亏损、电商增速分化待破局
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值