7.6
深览指数
科技量子位·一水··AI 生成
98年哈工大教授创业，要做人形灵巧操作世界模型
哈工大（深圳）教授杨朔创立的破晓智能（PHANES AI），核心路线是通过触觉数据构建人形机器人全身移动灵巧操作的世界模型。团队已发布EgoTouch、TouchAnything和TouchWorld三个模型，分别解决触觉数据采集、数据增广和触觉进入世界模型的问题。TouchWorld在真实机器人任务中比最强基线高15.7个百分点，验证了触觉预测与高频反馈修正的有效性。本文适合对具身智能、机器人基础模型和触觉感知技术路线有深度关注的读者。原文 ↗
核心观点
- ▍机器人基础模型的下一层核心能力是触觉感知，仅靠视觉和动作轨迹不足以让机器人完成真实世界的灵巧操作。
- ▍破晓智能的技术路线是从触觉数据采集（EgoTouch）到触觉数据增广（TouchAnything），再到触觉世界模型（TouchWorld），最终实现全身移动灵巧操作（HumanWBC），构成完整的数据-模型-控制链路。
- 01TouchWorld的核心设计为两层：predictive层预测未来应形成的触觉目标状态，reactive层以4倍于上层模型的频率根据实时触觉反馈输出delta修正量。
- 02TouchWorld在浇花、插头插入、抽纸巾等6个真实机器人任务中，clean setting平均成功率为65.0%，人为扰动下为57.2%，分别高出最强基线Pi-0.5、FTP-1、GR00T N1.7共15.7和16.0个百分点。
- 03EgoTouch构建了第一人称视觉-触觉采集系统，同步记录头戴视角、腕部视角、手部姿态和双手压力图。TouchAnything则利用EgoTouch的对齐数据训练模型，从纯第一人称视频中恢复接触区域和压力分布，实现数据扩增。
- 04NVIDIA EgoScale证明第一人称人类操作数据在灵巧操作训练中具备Scaling Law；Generalist/Gen-1显示大规模人类数据预训练结合少量真机数据后训练可显著提升长程任务成功率——但这两类工作均缺失触觉模态。
- 05团队在硬件基建上面临实际问题：触觉手套用几天就坏，灵巧手发热导致标定漂移，数据噪声大——这些工程问题促使团队把触觉灵巧操作视为系统问题而非单点模型问题。
反方 / 局限
- — TouchWorld在clean setting下65.0%的成功率说明系统距离大规模泛化仍有很长距离，触觉灵巧操作整体仍处于技术收敛前的混沌状态。
- — 五指灵巧手加触觉方案本身尚不成熟：高自由度、带全掌触觉的灵巧手方案不完备，触觉数据采集成本高、规模小，不同传感器数据表示不统一，统一benchmark也未建立。
- — 文章本质上是公司技术路线宣发稿，虽然提供了具体技术细节，但未讨论与纯视觉方案、纯力控方案的成本对比，也未提及触觉传感器本身在寿命、精度、成本上的商业化瓶颈。
杨朔哈尔滨工业大学（深圳）破晓智能（PHANES AI）TouchWorldEgoTouchTouchAnythingHumanWBC触觉世界模型灵巧操作具身智能全身移动灵巧操作NVIDIA EgoScaleGeneralist/Gen-1Pi-0.5FTP-1GR00T N1.7
15 分钟 · 5 卡片 · 14 资料
读原文 →