5.1
深览指数
科技智东西·江 宇··AI 生成
不卷视觉，卷“手感”！千觉机器人发布首个VTLA触觉基座模型与千小时数据集
千觉机器人发布行业首个VTLA触觉基座模型X-TouchMind V1和1000小时原生视触觉数据集TacVerse 1k，试图解决具身智能在工业场景中“视觉失灵”的难题。文章指出，当前行业过度依赖视觉数据，导致机器人无法处理柔性物料、精密装配等真实接触场景，触觉数据匮乏且质量低。千觉的方案是从硬件采集、数据规范到模型训练一体化定义，让机器人学会“手感”，已在300多家头部客户部署。适合关注机器人产业落地、感知技术路线的从业者或研究者阅读。原文 ↗
核心观点
- ▍视觉主导的具身智能在真实工业场景中失灵，触觉数据才是机器人完成任务的关键，但行业长期缺乏高质量触觉数据及配套模型。
- 01斯坦福李飞飞团队等发表的消融实验论文显示，在经典模型上单纯叠加触觉信号后，任务成功率从17%降至6%，说明将触觉当作视觉附庸的路子走不通。
- 02截至2026年初，全球合规可用的真机加无本体有效数据仅50万小时，而实现通用自主能力的具身大模型至少需要千万小时级高质量真实交互数据，缺口超过99%。
- 03千觉机器人自研的穿戴式视触觉多模态数据采集夹爪XTac UMI G1，实现了人工清洗成本下降80%，采集效率提升3到5倍。
- 04千觉机器人的XTacFlow自动化后处理引擎，在采集阶段对低质量样本的过滤率超过95%，确保了工业级的数据良品率。
- 05千觉机器人已服务300多家行业头部客户，并在WAIC 2026展示双臂长序列纸盒成型、耳机精密装配等实景实验。
- 06X-TouchMind V1采用System 0-2分层架构，System 0利用触觉进行高频反馈修正，解决接触之后怎么做稳、做准的问题。
反方 / 局限
- — 文章未提及该方案的成本、规模化部署的难度、与主流视觉大模型路线的兼容性，也未交代触觉传感器在极端环境（如高温、油污）下的可靠性。
7 分钟 · 4 卡片 · 8 资料
读原文 →