破晓智能：用触觉世界模型让机器人从“看见”到“操作”

当视觉语言模型与通用世界模型将机器人推进到“看懂环境”“预判场景”的阶段时，真正落地物理世界的机器人却迎来了更具体的核心挑战：依靠什么学习真实世界、如何输出精准动作，以及怎样确认自身与环境的接触状态。其中前两个问题分别指向数据基础与硬件本体，而第三个关键问题，则聚焦于触觉感知。

近期，来自哈工大（深圳）的杨朔团队发布了面向灵巧操作的触觉世界模型TouchWorld，其核心能力在于让机器人不仅能预判视觉画面的变化，更能预测接触过程的发生，并在真实操作中通过触觉反馈实时修正动作路径。

TouchWorld并非孤立的研究成果，在此之前，该团队已经先后推出EgoTouch与TouchAnything，三者共同构成了一条清晰的技术链路：先完成触觉数据采集，再实现触觉信息的恢复与对齐，最终让具身智能模型真正落地使用触觉感知。

沿着这条技术路线，1998年出生的青年教授杨朔创办了破晓智能（PHANES AI），这家公司的核心目标是融合人类视频数据与触觉感知模态，构建面向人形机器人的全身移动灵巧操作世界模型。与单一的模型或硬件研发不同，破晓智能希望围绕“机器人如何真正学会操作”这一核心，搭建一套覆盖数据采集、模型训练到动作控制的完整能力链。

公开资料显示，杨朔现任哈尔滨工业大学（深圳）计算机科学与技术学院长聘教授、博导，同时也是破晓智能的创始人兼CEO。他26岁即获评长聘教授与博导，曾获得Google Ph.D. Fellowship，入选国家级高层次青年人才、深圳市“高精尖缺”人才以及广东省重大人才工程，研究方向涵盖多模态大模型、数据驱动人工智能、可信AI、计算机视觉与具身智能等领域。

与直接从机器人硬件创业切入的路径不同，杨朔团队的研究始终围绕数据问题展开：从通用机器学习中的数据质量与选择，延伸到具身智能领域中机器人如何通过真实操作数据学习。在具身智能场景中，数据不再局限于图像、文本与静态标签，而是人类在真实世界中的连续操作过程。

近年来，人类操作数据已经成为机器人学习复杂灵巧操作的重要入口。例如NVIDIA EgoScale证明，第一人称视角的人类操作数据在灵巧操作训练中具备明确的规模效应；Generalist与Gen-1则进一步验证，通过大规模人类数据预训练后，结合少量真机数据进行微调，能够显著提升机器人在长程、复杂任务中的完成成功率。这一趋势表明，相比完全依赖真机采集数据，先让机器人从人类操作视频中学习动作逻辑、物体交互规则与任务结构，再通过少量真机数据完成对齐适配，是一条更易规模化的技术路径。

但这条主流路径仍缺少关键的一环：触觉感知。第一人称视角的人类操作视频能够让机器人看到人类如何观察环境、接近物体、抓取工具并完成任务，但无法传递人与物体之间的真实接触细节——手指按压的位置、施加的力的大小、物体是否发生滑动、接触是否稳定等核心信息，仅通过视觉画面无法完全获取。

破晓智能给出的解决方案是：仅靠视觉与动作轨迹不足以支撑机器人完成高精度灵巧操作，机器人还需要理解手部与物体接触时的真实状态，这也是该团队从EgoTouch、TouchAnything到TouchWorld的研发逻辑。

从技术图谱来看，Touch系列模型并非独立的几篇论文，而是一条从数据采集到世界模型、再到全身控制的完整能力链。

首先是EgoTouch，其核心目标是解决灵巧操作的触觉数据采集问题。该系统将第一人称视角视频、腕部视角画面、手部姿态数据与双手压力图整合到同一套采集框架中，能够记录人类在真实操作过程中的视觉与触觉信息，涵盖刚性物体操作、柔性物体处理、抓取、捏合、拧动、工具使用等多种任务场景。

其次是TouchAnything，它主要解决触觉数据的低成本扩增问题。由于直接佩戴传感器采集的人类操作数据存在成本高、规模小、覆盖场景有限的痛点，而互联网上存在大量公开的第一视角人类操作视频，这些视频仅记录了视觉画面，缺少触觉信息。TouchAnything的核心工作是利用EgoTouch采集的视觉-触觉对齐数据，训练模型实现从第一人称视频中估计双手接触区域与压力分布，让模型具备从视觉画面“恢复触觉”的能力，仅通过视频就能推断手指接触物体的位置、施力情况与压力分布。这一模块相当于触觉数据放大器，能够将少量带传感器的真实数据扩展为大规模的触觉监督信息，让原本仅包含动作外观的人类操作视频，补充上接触细节，成为更适合机器人学习灵巧操作的训练数据。

最后是TouchWorld，它解决的是如何将触觉感知融入机器人世界模型与操作策略的问题。与简单接入触觉输入不同，TouchWorld让触觉参与到两个核心环节：一是提前预测未来应形成的接触状态，二是在动作执行过程中通过实时触觉反馈修正操作。也就是说，机器人不仅要预判“下一帧画面会如何变化”，更要预判“下一步的接触状态应该是什么样”。在此基础上，后续的HumanWBC模块将进一步基于人类数据训练全身移动灵巧操作控制模型，整合感知理解、自主移动、全身控制、双臂协同与灵巧手操作，实现从“能看懂”到“能走过去、抓起来、完成任务”的全链路能力。

TouchWorld的核心可以用两个关键词概括：Predictive（触觉目标预测）与Reactive（高频触觉反馈修正）。

在Predictive模块中，机器人不仅要预判未来的视觉画面，更要预判任务完成时应形成的接触状态。以按压喷壶按钮为例，从视觉画面来看，手碰到按钮与完全按下按钮的差异可能很小，尤其是当手部遮挡按钮时，图像几乎无法准确判断任务是否完成，但触觉反馈能够直接确认手指是否接触到位、压力是否达标。TouchWorld的触觉目标预测能力，能够让机器人明确：当子任务完成时，手部应形成怎样的接触状态与压力分布。这对于灵巧操作至关重要，因为很多任务的完成状态并非体现在视觉画面中，而是隐藏在手部与物体的接触关系里。

而Reactive模块则负责高频触觉反馈修正。在真实操作场景中，物体会发生滑动、接口位置可能出现偏差、手指抓握不稳或灵巧手本身存在定位误差，机器人无法每次都等待上层模型重新规划动作，而是需要像人类一样，在接触瞬间根据触觉反馈快速调整姿态。例如人类抓取湿滑物体时，不会重新推导每个关节的角度，而是通过手部触感立刻调整抓握力度与位置。TouchWorld的Reactive模块遵循同样的逻辑：上层模型输出粗动作指令后，底层模块会根据实时触觉反馈输出微小的修正量，而非重新生成完整动作。根据设计，Reactive模块的推理频率是触觉世界模型的4倍，能够在单次上层动作输出期间完成多次细微调整，让触觉不再是被动的状态记录，而是主动参与动作生成与执行控制。

研究团队在六个真实机器人任务上对TouchWorld进行了测试，分别为浇花、桌面清理、电源插头插入、杯子插入、擦锅与抽纸巾。这些任务看似简单，却能精准检验触觉感知的实际价值：浇花需要精准按压喷壶按钮，插头与杯子插入任务考验精密接触操作，擦锅需要持续调整施压力度，抽纸巾涉及柔性物体的稳定拉取，桌面清理则要求机器人在多个子任务间切换并保持抓取稳定。

实验数据显示，TouchWorld在标准设置下的平均任务成功率达到65.0%，在人为扰动场景下的平均成功率为57.2%。与Pi-0.5、FTP-1、GR00T N1.7等对照基线模型相比，TouchWorld在两种设置下分别高出最强基线15.7和16.0个百分点。这一结果并不意味着灵巧操作问题已经被完全解决——65%的成功率仍说明系统距离大规模泛化还有很长的路要走，但它验证了一个核心结论：当任务进入接触阶段时，触觉目标预测与高频反馈修正确实能够显著提升机器人操作的稳定性。对于破晓智能而言，这比单点成功率更具意义：TouchWorld证明了触觉能够真正融入机器人世界模型与操作策略，而非仅仅停留在传感器读数层面。

“破晓”这个名字，也暗含了这家公司成立的初衷：当前机器人行业并不缺少演示demo，也不缺少关于通用智能的宏大叙事，但当机器人真正从展示走向真实场景落地时，大量基础设施仍处于技术收敛前的混沌状态——高自由度、带全掌触觉的灵巧手方案尚未成熟、触觉数据采集难度大、真机灵巧操作数据稀缺、触觉手套噪声问题突出、不同传感器的数据表示不统一、统一的评测基准也尚未建立。这些看似琐碎的问题相互钳制，决定了触觉灵巧操作能否真正走出实验室。

在研发过程中，杨朔团队也曾遇到大量工程化难题：为了采集高自由度灵巧手的触觉数据，团队曾将触觉手套裁剪后硬套在五指灵巧手上，自行搭建真机采集方案，但这类手套往往使用几天就会损坏，灵巧手长时间运行还会出现发热问题，第一天标定好的系统第二天可能出现参数漂移，导致数据噪声大、采集效率低下。这些实际问题让团队意识到，触觉灵巧操作并非单一的模型问题，而是一个系统性工程，这也是破晓智能没有局限于模型研发的核心原因。

在触觉灵巧操作领域，数据本身就是核心基础设施。破晓智能正在搭建面向人类操作的多模态数据采集平台，目标是实现低成本、无感便携、全场景的数据采集，将第一人称视觉、腕部视角、手部姿态、全掌触觉、全身姿态等多模态信息整合到同一套系统中，让机器人不仅能看到人类的操作动作，更能获取接近人手真实感知的触觉数据。只有当这类高质量触觉数据足够丰富时，TouchAnything才能从视频中恢复触觉信息，TouchWorld才能进一步学习如何预测与使用触觉。

破晓智能的目标并非仅发布单一模型，而是围绕人形机器人全身移动灵巧操作，补齐一套完整的系统能力：包括触觉数据采集、触觉信息估计、触觉世界模型、遥操作与硬件基础设施、评测体系，以及面向人形机器人的全身移动灵巧操作模型。如果说EgoTouch与TouchAnything解决了触觉数据的来源问题，TouchWorld解决了机器人如何预测与使用触觉的问题，那么HumanWBC则将完成整个技术闭环：让机器人整合感知理解、自主移动、全身控制与灵巧操作能力，从“能看懂环境”真正走向“能移动、能抓取、能完成任务”。这一阶段的研究将进一步拓展到更复杂的人形机器人任务，包括移动平衡、双臂协同、长程任务规划、全身控制，以及触觉反馈如何与机器人整体动作系统深度融合。

未来的人形机器人要进入家庭、服务、工业等真实场景，不能仅依赖视觉与语言感知，必须能够确认自身是否接触到物体、是否抓握稳固、是否发生滑动、施力是否合适，以及动作出现偏差时如何快速修正。从EgoTouch到TouchAnything，再到TouchWorld，杨朔团队已经将这条触觉驱动的具身智能路线推进到真实机器人操作系统中。破晓智能首次对外亮相时传递的核心判断十分明确：机器人基础模型的下一层核心能力，就是触觉感知，而冲破黎明前黑暗的第一步，就是让机器人真正感知到自身与世界的接触状态。

TouchWorld
论文：
https://arxiv.org/abs/2607.07287
tech blog：
https://phanes-lab.github.io/TouchWorld-website/

TouchAnything
论文：
https://arxiv.org/abs/2605.13083
官方项目主页：
https://jianyi2004.github.io/TouchAnything-Website/

塔猴是一个专注于为用户提供系统学习、内容创作与商业连接的AIGC综合服务平台，致力于为每一位AI探索者打造理想的创作、成长家园。在塔猴，你不仅可以学习众多AIGC类实战课程，获得与时俱进的AIGC技能和视野，还有机会获得长期商业合作和接单机会！点击进入：https://www.tahou.com/

AI生成内容提示：本文由人工智能辅助创作，内容仅供参考，不代表平台观点。请注意核实信息的准确性，并理性判断。