新智具身发布触觉系列模型 开源数据助力具身智能发展

触觉技术正从具身智能的边缘选项走向核心必答题,其价值也从感知物理接触延伸至理解交互逻辑、辅助操作决策。近期,触觉模型的发展再次引发行业热议——机器人已有视觉,为何还需要触觉?答案在于,视觉虽适配多数任务,但“能做”不等于“做好”,不少场景唯有触觉能实现可靠落地,稳定可用后才具备产业化潜力。
2026年7月,研究团队推出的系列触觉具身模型,为这一领域提供了以触觉为原生模态的技术路径。该系列由行业研究机构联合推出,涵盖触觉基础表征、操作策略与世界模型三个方向,同步开放5000小时真实视觉—触觉交互数据,为触觉具身智能研究提供系统性技术与数据支撑。
统一跨设备触觉表征,打破“方言”壁垒
触觉数据长期面临跨设备适配难题:视触觉输出凝胶形变图像,电容式输出矩阵信号,六维力传感器输出向量,不同设备的信号如同各自的“方言”,难以直接整合到同一模型训练中。针对这一问题,相关团队构建的数据集包含超3万小时视觉—触觉交互数据、约140万条操作片段、33亿个时间步,由90位操作员在6种机器人本体采集,覆盖450项真实长程任务(如叠衣、倒液体、插拔接头等),其中5000小时数据已向全球开源。
配套的统一表征模型,将不同硬件的触觉信号转换为标准化三轴力场表示,描述接触位置、法向与切向受力等物理信息,减少下游模型对特定传感器原始信号的依赖。开源成果受到全球关注,相关数据在多个平台累计下载超70万次,收到上千份申请,覆盖海内外高校、企业、科研机构及独立开发者。
三层技术体系,支撑触觉智能全链路
基础层:搭建标准化技术底座
聚焦硬件、数据、统一表征与评测体系,通过跨硬件信号对齐,构建标准化评测基准,为模型训练与验证提供支撑。
预判层:多模态交互优化操作
统一视觉、触觉、语言与动作多模态输入,预测未来50步内的触觉演变,辅助机器人理解接触与滑移状态、优化操作策略。实验中,插头插接成功率达85%,拔钥匙任务达99%,仿真20项任务平均成功率63.8%;结合触觉信号评估任务进度与异常后,毛巾折叠、书包收纳、纸箱折叠成功率分别提升至95%、80%、75%。
想象层:触觉增强世界模型
将触觉引入世界模型,联合预测未来视觉、触觉与动作序列,让机器人在执行动作前推演物理交互。测试中,模型仿真任务平均成功率84.5%,8项真机任务平均成功率46.3%,展现触觉增强世界模型在复杂精细操作中的潜力。从统一表征到接触预测再到物理推演,核心是让触觉参与模型的理解、预测与决策。
构建开源生态,推动触觉技术落地
除模型研发外,相关团队持续扩展真实触觉数据规模与应用范围,已沉淀超5万小时、200万条具身任务数据,覆盖千余项任务,涉及工业制造、3C电子、家居、物流等场景;依托专业数据采集工厂,形成“真机+自研数采设备”双轨采集体系。
同时,全模态数据商城已上线,提供标准化数据产品与定制化采集服务。在场景验证上,相关技术已围绕线束装配、齿轮装配、衣物折叠等复杂任务探索应用,推动基础模型与真实需求结合。
触觉成具身智能核心,产业迎来新机遇
从5000小时数据开源到三大技术报告发布,触觉具身智能正以开放研究与数据积累持续演进。随着具身智能发展,触觉从细分方向走向行业中心,相关研究与项目日益丰富,2025年以来触觉机器人综述研究加速增长,2026年发表上百篇相关综述,越来越多机构将触觉纳入核心布局,推动研究向基础模型、物理交互预测与自主决策拓展。
产业端,2026年1-10月国内具身触觉领域披露四十余起融资,涉及三十余家企业,融资金额超50亿元,产业链从传感器到模型逐步完善。未来,随着工业精密装配、3C制造等场景对精细操作需求增长,触觉具身智能有望加快从验证到应用,为机器人突破复杂交互难题提供支撑。

