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

38 0 0

文章摘要

当前具身智能行业过度依赖视觉大模型与空间识别算法，但在真实的工厂产线或物流仓储中，视觉无法捕捉受力变化、滑移趋势和接触状态等物理交互细节，导致机器人频繁出现操作失误甚至放大产线损失。研究表明，在经典模型上单纯叠加触觉信号无法有效提升任务成功率，行业高估了视觉数据的万能性，亟需补足真实物理交互中的“手感缺口”。

针对这一产业痛点，千觉机器人提出了“触觉原生”的解法，推出行业首个面向触觉智能的VTLA具身基座模型X-TouchMind V1以及1000小时原生视触觉数据集TacVerse 1k。TacVerse 1k数据集实现了触觉数据的全面覆盖，将视觉、触觉、力觉、位姿及高频动力学统一采集，从源头构建了符合真实物理规律的数据坐标系。为保障数据质量与采集效率，配套自研了穿戴式视触觉多模态数据采集夹爪与自动化后处理引擎，实现了产能与机器人本体的解耦，大幅降低人工成本并确保工业级数据良品率。

在模型能力构建上，X-TouchMind V1聚焦接触发生后的物理状态，采用System 0-2分层架构，通过语义推理、轨迹规划与高频触觉反馈形成闭环控制。作为首个具备零样本泛化能力的VTLA基座模型，它能够跨场景、跨任务自适应工作，赋予机器人类似人类的物理直觉与实时纠偏能力，从而在易碎、柔性及小件异形件等复杂场景中稳定完成精细操作。

千觉机器人成功打通了从底层视触觉传感器、原生多模态数据集到上层基座模型的系统级数据自闭环，并在真实产线中完成了高难度实景作业的检验。这套“硬件-数据-模型”的全栈体系不仅直接提升了非标物理接触任务的成功率，更大幅缩短了自动化部署周期。随着触觉智能深度融入模型核心能力，这种自主感知与实时纠偏的新范式正推动高端制造与柔性物流等广泛产业场景实现效率跃迁，明确了物理AI迈向产业实战的落地路径。