视触觉传感器出货量第一 深圳具身获汇川中国电信亿元融资

先明确核心判断：具身智能这一波浪潮已从“学走路”的初级阶段，全面转向“干精细活”的攻坚期。破局的关键钥匙藏在触觉里——不是简单的碰触，而是实时感知力、形变、滑移的物理交互数据。近日，戴盟机器人完成亿元级A轮融资，汇川产投与中国电信联合注资，资金将用于构建超大规模物理交互数据集，加速物理世界模型研发，并在真实场景中跑通数据飞轮与商业闭环。

戴盟2023年才正式运营，但核心团队在机器人灵巧操作与物理交互领域积累深厚。联合创始人兼首席科学家王煜教授，曾任港科大机器人研究院创始院长，他提出的“具身技能”与“技能克隆”概念，是戴盟技术路线的底层支撑。CEO段江哗博士及主要技术负责人均来自港科大机器人研究院核心团队，手握十年以上操作智能Know-how。首席AI科学家原玮浩，此前是阿里通义实验室的多模态研究专家，在将世界模型迁移至机器人物理操作方面具备前沿经验。

纵观行业演进，从早期比拼行走与运动控制，到后来探索差异化算法架构与“具身大脑”，每轮热点都在为下一阶段积蓄基础。如今人形机器人从舞台演示走向实景作业，整机精细化操作门槛持续攀升——能否采集高质量物理交互数据，已成为行业落地的核心分水岭。

纯视觉方案大家都很熟悉，传感器只能捕捉物体外观，但软硬程度、摩擦力大小、形变状态——这些物理特征完全缺失。机器人无法预判物体变化，作业时自然笨拙。融合触觉的物理交互数据则截然不同，它能完整记录瞬时受力、材料属性等关键参数，在模型规模化训练中沉淀物理常识，加速收敛，帮助机器人建立真正的物理因果认知。

戴盟的路径清晰：从物理交互数据的采集与标注切入，逐步搭建覆盖感知、操作、学习的完整技术链路，进而构建能为机器人提供物理常识的世界模型。

认知层面，模型实现了视觉与触觉模态的对齐——机器人能从图像中推断物体物理属性，也能从触感反推物体形态。执行阶段，借助高响应频率的触觉反馈，设备能在接触发生的毫秒级时间内完成感知、判断与动作修正，形成闭环控制。

通过物理直觉完成串葡萄、放置鸡蛋等精细操作（图源/企业）

“机器人要能干活，对物理世界因果的理解以及基于真实接触的反馈不可或缺。”戴盟机器人CEO段江哗直言，一个能跑酷、能翻跟头的机器人，如果无法以恰到好处的力度拿起一块海绵擦拭物体，应用价值将大打折扣。“视觉属于非接触的远端信号，它能告诉你物体在哪里，却无法告知接触时海绵为何形变。触觉，正是接触瞬间的‘手感’，是判断物理因果、实现精细操作的关键。”

但技术与模型仅是第一步。如何用数据闭环和专业评测标准驱动物理世界模型持续迭代，才是当前业界面临的另一道难关。段江哗指出：“触觉数据荒的本质在于，视觉的数据表征方式已相对统一，而触觉没有标准，也缺乏大规模、多模态的真实采集体系。”

为此，戴盟自建了“外发式”具身数据采集网络。与传统依赖定点实验室、遥操作采集的模式不同，这种方式将中心化实验室分散化，实行分布式社会化采集，场景更真实，采集效率大幅提升，边际成本持续下降。

2026年4月，戴盟机器人联合包括谷歌DeepMind在内的数十家海内外机构，发布了全球最大规模的含触觉全模态物理世界数据集Daimon-Infinity，其中包含纹理、软硬、力学等接触信息，并开源了1万小时供行业免费使用。在数据集基础上，还建立了一套系统化的评测标准，6月推出支持“真实数据训练+仿真器训练”两种模式、面向物理交互能力的含触觉全模态Benchmark体系RobOmni。

人类婴儿通过触摸认识世界、发展智力。对于即将从工厂走进家庭的机器人而言，这一课同样无法跳过。在解决“看得见”和“走得稳”之后，“摸得准”正成为具身智能通往物理世界的最后，也是最关键的“一公里”。戴盟向硬氪透露，其视触觉传感器出货量目前位居全球第一。它正在这场关于“手感”的技术进程中，试图定义自己的标准。

以下为硬氪与戴盟机器人CEO段江晔的访谈节选（略经编辑）：

硬氪：从感知到执行，具身智能要跨越从“看懂”到“干活”的鸿沟。戴盟的物理世界模型如何处理视触觉模态融合与底层控制？面对复杂操作任务时，这套架构能帮助机器人完成哪些之前做不到的事？

段江哗：我们的模型推理的是物理因果。在模型结构上，我们将物理接触拆分为两层：认知层和执行层。

认知层做的事是让视觉与触觉在同一语义空间内双向映射，这类似于人类的通感。你看到一颗草莓，不用捏下去就知道草莓带有颗粒感；当你掏钥匙开门，钥匙插进门锁的那一刻，手会遮挡视线，在看不到钥匙与锁孔接触状态的情况下，人类靠直觉和手感完成操作——有没有插进去、有没有卡住、要不要转一下？我们希望机器人也能具备这种能力。

戴盟机器人用夹爪抓取鸡蛋（图源/企业）

执行层有两套机制并行运转。一套是百赫兹级的高频触觉伺服，类似脊髓反射，不经过上层推理，物体刚开始产生滑移趋势的瞬间，补偿动作已经发出，视觉帧尚未切换。这好比洗碗时，手里沾满洗洁精的盘子刚有一丝滑脱迹象，你无需眼睛紧盯，手指就会本能地收紧捏住盘子。

另一套是物理世界推理，模型持续预测未来几步的操作状态，在失误发生前提前给出修正策略。这如同单手提壶往杯子里倒水，随着水流涌出，壶底重心持续变化，大脑根据流速持续预测下一秒壶的重量分布，提前且平滑地调整手腕倾斜角度，确保水流始终平稳。

这两套机制分别对应毫秒级反应与多步前瞻，时间尺度不同，但在同一任务中协同工作。这是我们相比纯视觉操作模型最重要的结构差异。

硬氪：戴盟近期陆续发布了数据集和面向机器人物理交互能力的Benchmark，这和你们正在做的物理世界模型有什么联系？

段江哗：数据集是燃料，物理世界模型是引擎，Benchmark是转速表。

传统数据集，无论是视觉的还是仿真的，记录的是“像素变化”或“轨迹”。但要让机器人理解物理世界，光有这些远远不够。比如一个物体是软是硬？表面光滑还是粗糙？抓握时正压力多大、切向力多大、有无滑移趋势？这些都属于物理属性信息。Daimon-Infinity数据集中采集的压力、形变、纹理、刚度、滑移趋势……加起来有十几种模态。

最大的难度，不是单独采集某一种模态，而是要把这十几种触觉模态，与视觉图像、动作指令在毫秒级时空维度上严格对齐。

戴盟机器人实现自主穿葡萄任务（图源/企业）

举个例子，机器人手指碰到物体的瞬间，触觉传感器需记录接触点的压力分布、纹理信息，同时摄像头需记录这一刻的画面，控制系统需记录这一刻的关节角度与力矩。三者必须在时间上精确到毫秒级同步，否则模型难以学到正确的因果逻辑。

数据有了，模型有了，下一个问题随之而来——怎么判断模型是否真的学到了物理因果？这正是戴盟推出RobOmni的意义。

具身领域现有基准评测往往侧重视觉感知模态，重点关注机器人的泛化抓取和长序列规划任务，针对触觉感知模态、接触精细操作的评估标准尚不完善。行业仍缺乏围绕触觉感知与灵巧操作的标准化评测基准，不同模型与数据之间缺乏统一标准，触觉能力难以量化，模型泛化能力也难以被系统性验证。

我们注意到，一些侧重仿真和Sim2Real领域的团队，近期也开始引入视触觉融合评估，这恰恰表明整个产业前沿正在达成共识——让机器人真正理解世界并与世界交互，纯视觉不够，触觉绕不过去。RobOmni正填补了这一缺口，为物理交互能力提供标准化、可比较、可复现、可扩展的验证入口。

没有尺子，就无法度量进步；没有标准，行业就无法形成合力。所以我们要先造一把尺子，再丈量世界。

投资方评论

汇川产投相关负责人表示，具身智能要实现真实场景作业的跨代跃迁，触觉感知补齐物理因果逻辑是必经之路。戴盟机器人是业内极少数从物理因果逻辑出发，以海量视触觉数据驱动，推动物理世界模型在精细操作场景落地的企业。汇川技术长期深耕工业自动化与智能机器人领域，深知多模态感知对精细操作场景的战略价值。未来期待基于汇川的场景与产业认知，与戴盟共同构建具身智能时代的触觉神经网络。

中国电信投资公司相关负责人表示，具身智能要想实现大规模商业化落地，既离不开云端大模型算力的持续迭代升级，也高度依托高精度物理感知能力与多模态数据体系支撑。戴盟机器人在视触觉感知赛道深耕积淀，已构建起稳固的核心技术壁垒。作为数字中国建设的中坚力量，中国电信正全力落地“云改数转智惠”战略。未来，我们期待与戴盟机器人深度携手，联合打造可落地、可复制的具身智能行业解决方案，共建赋能新质生产力发展的新型数字基础设施，助力加速具身产业高质量发展，实现生态共赢。

来源：互联网