ARTICLE · 1309947

下载量破千万之后,具身数据怎样证明“真有用”?

发布时间：2026-11-04 21:13:38 最近访问：2026-11-04 21:13:39

触觉经验，怎么转化为机器人的操作能力？

作者 | 独林

编辑 | 漠影

机器人能看见一只花瓶，却未必知道擦拭时该用几分力；抓起瓶子，也不代表它能摸得出瓶身的纹理和材质。

从这个角度看，机器人要理解周围世界，光靠“看见”还不够——与物体接触后，接触面的形变、物体是否滑移以及受力变化，需要靠触觉来感知。

2026年，触觉开始成为具身行业的焦点之一，与触觉有关的模型不断出现，含触觉的多模态数据规模也快速增长。一个更实际的问题也随之而来：这些触觉经验，究竟能不能转化为机器人的操作能力？

机器人前瞻11月4日报道，近日，戴盟发布了关于TacClaw-Infinity数据集的研究成果。

这一数据集属于Daimon-Infinity数据集中的触觉UMI夹爪数据，戴盟此次公开了其从规模化采集、数据处理与结构化标注，到模型训练和真机验证的完整研究流程。

Daimon-Infinity数据集是戴盟今年4月发布的全球最大规模含触觉全模态物理世界具身数据集，联合Google DeepMind、新加坡国立大学、清华大学等全球数十家研究机构共同采集，面向行业开源一万小时，目前在Hugging Face和魔搭社区的下载量已超过千万次。

他们选取了其中超过1万小时数据形成TacClaw-Infinity，包含100万条操作轨迹和10亿帧数据，覆盖1000多种任务类型。

大规模、高多样性、全模态，是TacClaw-Infinity的三个主要特点，其汇集了视觉观测（visual observations）、指尖触觉信号（fingertip tactilesignals）、语言描述（language descriptions）与末端执行器轨迹（end-effector trajectories）等多模态信息，并通过分布式采集纳入不同环境、操作者、物体和接触状态条件下的任务数据。

但比数据规模和模态数量更关键的是研究工作展现的能力验证：数据不仅能够实现零本体迁移，仅用无本体数据就能在不同机器人上进行训练；而且在戴盟设置的三项操作任务中，加入触觉数据后，模型的物理交互能力得到了较为明显的提升，π0.5的平均任务成功率由50.0%升至74.0%，StarVLA的成功率也由46.0%提高至72.7%。

顺着这组结果往下，更值得看的是接触数据如何被大规模采集，如何更贴近模型的训练需求，又如何教会不同机器人在物理世界中进行安全稳定的交互。

01.

有了触觉数据后，

机器人的能力大幅提升

对于具身数据的评价显然不会停在时长和轨迹数量上，它最终要回答的问题是被用于模型训练后，能否提高模型的操作成功率，帮助本体更好地完成真实操作。

为了回答这个问题，戴盟设置了跨本体、跨模型、跨任务的实验，使用了Tianji、RealMan和DM-Sparky三类机器人，并训练了π0.5与StarVLA两类策略，避免实验结果仅来自单一设备或模型架构。

戴盟设计了三项任务，分别考察模型能不能“拿得准”“摸得懂”“擦得稳”：杯子堆叠侧重取放协调与长程任务衔接，瓶子分类要求机器人借助接触判断物体状态，花瓶擦拭则考察其在持续接触中依据反馈调整动作的能力。

还有一个关键的设计：实验仅以触觉UMI夹爪采集的无本体数据进行训练，没有额外采集目标机器人示范。行业进行本体训练时，通常在无本体数据的基础上，还需要以真机数据进行进一步的微调适配。

这种设计考验数据的零本体迁移（Zero-Robot Transfer Across Embodiments）能力，一旦成功，则意味着一份无本体采集的数据，可以复用到多个不同的机器人本体上，这将降低数据的训练成本，让数据成为跨平台共享的资源。

结果显示，物理接触数据不仅能够在零本体迁移的前提下，提升不同机器人的交互能力，而且这种收益在接触密集型任务中更加明显。

在瓶子分类任务中，π0.5与StarVLA的成功率分别提高了44.7和43.3个百分点；在花瓶擦拭任务中，两类策略的成功率则分别提高了22.0和38.7个百分点。

值得注意的是，这次实验没有为触觉单独设计复杂架构或控制器，戴盟只是将触觉信息以简单的图像形式输入现有策略。

换句话说，TacClaw-Infinity记录的信息不需要改用一套触觉专用架构，就已经能够被模型利用，数据本身的有效性得到了验证。

02.

超万小时触觉数据，

如何规模化高效采集出来？

数据有效性的背后，是一连串关于数据构建的关键问题：如何可持续地扩展数据规模，如何最大化单位时间内的信息密度，如何为模型泛化提供足够的多样性，如何将人类经验组织为模型可学习的信息……这些环节共同决定了数据能为模型带来的能力增益。

TacClaw-Infinity通过无本体采集，首先解决了成本与规模化的问题。

如果每一条触觉数据都需要真机采集，规模就会成为新的限制。

TacClaw-Infinity则让采集数据从对本体的依赖中解放出来——他们使用的是一种搭载视触觉传感器的UMI式手持夹爪TacClaw，操作者直接用它完成抓取、擦拭、插入等动作，就能同步记录视觉、指尖触觉、末端轨迹和夹爪状态信息。

▲戴盟自研的视触觉传感器，每平方厘米搭载4万个感知单元，是目前分辨率最高的触觉感知路线

戴盟一直押注的视触觉路线，在数据采集中也颇具优势。这种触觉感知技术将触觉数据转换成了图像形式，天然适配现有的模型学习。

在此基础上，戴盟还优化了夹爪的传动结构，让手指更直接地控制夹爪。

实验数据显示，TacClaw的首次接触感知阈值平均为11.6gf（这一数值越低，说明受试者越容易察觉接触），两种对照接口则分别为49.8gf和204.0gf。

通俗地讲，这就像戴着手套拿东西：手套越厚，越难察觉自己已经碰到物体，精细化操作也就越难；手套越薄，手指越容易感知接触并及时调整力道。

此外，由于采集设备非常轻便，这为规模化数据采集提供了便利。

戴盟开创了一种叫做外发式数据采集的模式，联合海内外20多家机构，将200台设备部署到全球50多个地点，覆盖家庭、实验室、工厂、商业区和户外等环境。

这种做法不仅高效率、低成本地实现了数据积累，同时也大幅度提高了数据的多样性。戴盟的实际经验显示，在相同的300小时采集条件下，多地点采集比单地点采集平均多覆盖201个动作—物体组合。

依托这套模式，TacClaw-Infinity不仅最终形成了超过1万小时、100万条轨迹和10亿帧数据，覆盖1000多种任务类型，更涵盖了场景与采集主体、任务与动作、物体、触觉交互状态等多个维度的多样性。

这意味着，数据教给模型的，不仅仅是固定场景下的固定动作，而是当环境、任务、物品、动作、接触习惯发生变化时，模型可以如何应对，这才是机器人走入真实物理世界时应该具备的交互能力。

光有规模化、多样性的数据还不够，人类经验如何能转化为模型可以学习的资源，才决定了数据利用的关键。

戴盟建立了数据清洗标注，通过轨迹重建、多模态质量控制和运动学筛选等处理流程；以接触事件为锚点的结构化标注，是其中的一大亮点。

传统的数据标注往往将操作轨迹视为整体，戴盟则基于对物理接触的洞察，把连续的操作过程划分为自由运动、接触开始、接触中操作和释放四个阶段，并补充了子任务描述和目标物体空间标注等信息。

这种表述更符合模型对多模态信息的利用：在非接触阶段，视觉提供主要的空间信息；接触发生后，触觉则成为推理、预测、决策的关键模态。

这样一来，触觉就不只作为一类数据被保留下来，而是作为关键的物理信号，帮助模型更好地理解“什么时候该接触、该怎么接触”。

这种划分的作用，还体现在模型对阶段边界的识别上。在加入触觉数据后，接触开始的识别召回率（contact onset recall）由 58.6% 升至 68.0%，这说明，更丰富的接触信息能够帮助模型找到操作阶段的关键边界。

03.

让数据采集和模型训练形成持续进化的飞轮

戴盟通过TacClaw-Infinity，验证了物理接触数据究竟能让机器人学会什么。而当大规模、高质量的数据能够得到系统性生产后，问题又会进一步延伸到模型端：“大脑”要怎样使用这些经验？

戴盟8月发布的全球首个触觉锚定世界模型Daimon-TWM（Tactile-grounded World Model），为这个问题提供了一种尝试性的解法。

这一模型以触觉贯通物理认知、推演决策与瞬时操控三个模块，打造的是能够驱动机器人进行灵巧操作的“物理交互脑”。

其中，物理认知模块以触觉作为推理证据，通过理解接触状态、力与形变、材料属性等信息，形成对当前物理状态的判断；推演决策模块则以触觉信息作为接触过程中的重要模态，预测接触状态的变化和潜在失败风险，再生成动作策略；瞬时操控模块则利用触觉模态的高频率特征，根据实时触觉反馈，对执行中的动作进行100Hz的高频小幅修正。