在具身智能领域，触觉感知一直是机器人操作能力的关键短板。近日，新智具身与复旦大学联合发布三份重磅报告，通过3万小时触觉数据训练，显著提升了机器人的触觉感知能力，补齐了机器人操作中的手感短板。这一突破性成果已全部开源，为行业提供了关键基础资源。
具身智能机器人通常依赖视觉和力觉传感器完成抓取、装配等任务，但触觉感知的缺失导致其在处理柔软物体、精细操作或复杂环境时表现不佳。新智具身与复旦大学的合作研究，聚焦于触觉数据的采集与模型训练。团队通过部署高精度触觉传感器，在真实场景中采集了超过3万小时的触觉数据，涵盖不同材质、形状和操作动作。这些数据被用于训练深度学习模型，使机器人能够识别物体表面纹理、压力分布和滑动状态，从而在操作中实现更精准的力控和自适应调整。例如，在抓取鸡蛋、纸张或精密零件时，机器人能根据触觉反馈实时调整抓取力度，避免损坏物体。
此次发布的报告详细阐述了数据采集方法、模型架构和训练流程。研究团队采用了多模态融合策略，将触觉数据与视觉、力觉信息结合，构建了更全面的感知系统。实验结果显示，经过触觉数据训练的机器人，在抓取成功率、操作精度和任务完成效率上均有显著提升，尤其在处理易碎或变形物体时，表现优于传统方法。更重要的是，所有数据和模型均已开源，这意味着全球的研究机构和企业可以直接使用这些资源，加速具身智能技术的迭代。这一举措降低了触觉感知研究的门槛，为机器人从实验室走向实际应用提供了关键支撑。
从行业影响来看，这一成果填补了具身智能在触觉感知领域的空白。过去，机器人操作主要依赖视觉引导，但触觉的缺失限制了其在医疗、制造、服务等场景中的适用性。新智具身与复旦大学的合作，不仅证明了大规模触觉数据训练的有效性，还通过开源模式推动了整个生态的发展。未来，随着触觉感知技术的成熟，机器人将能更自然地与人类协作，完成更复杂的任务。这一突破也为中国在具身智能领域的自主创新提供了重要范例，展示了产学研协同在攻克核心技术上的潜力。对于开发者而言，开源的数据和模型意味着他们可以在此基础上快速开发定制化应用，加速机器人技术的商业化落地。
