触觉觉醒：戴盟机器人以11万感知单元打造最大具身数据集，开启机器人“手感”时代

导语：当机器人学会“看”和“说”之后，如何让它们真正拥有“手感”？戴盟机器人给出答案：发布最大规模含触觉具身数据集，并开源万小时数据，驱动新一轮具身智能进化。

当机器人学会“看”和“说”之后，如何让它们真正拥有“手感”？戴盟机器人给出的答案是：发布迄今为止最大规模的含触觉全模态物理世界具身数据集——Daimon-Infinity，并开源了其中的10000小时数据。联合全球顶尖机构，这家成立仅两年半的初创公司正试图填补具身智能领域的关键数据缺口，推动机器人从“看得见”到“摸得着”的跨越。

从触觉传感器到数据引擎：戴盟的战略升级

今年四月，戴盟机器人公司发布了Daimon-Infinity数据集，全面覆盖从居家整理衣物到工厂精密装配等各种场景。这一举动标志着公司战略的重大延伸——此前，它们以高分辨率触觉传感器闻名业界，尤其是单色光视触觉技术，在指尖大小的模块上集成了超过11万个有效感知单元。如今，凭借行业领先的触觉感知能力和每年可生产数百万小时数据的外发式采集网络，戴盟建立了全球规模最大的含触觉具身操作数据集，意图为具身智能注入关键“数据燃料”。

戴盟机器人联合创始人兼首席科学家王煜教授在近期接受IEEE Spectrum专访时强调：“数据不足正是目前具身智能发展的瓶颈，尤其是包含物理交互信息的数据。提供高质量数据是我们戴盟能做好、也应该做的事情。”王煜教授在机器人操作领域深耕近40年，师从卡内基梅隆大学的马特·梅森（Matt Mason），并与李泽湘共同创立了香港科技大学机器人研究所。身为IEEE会士和《IEEE自动化科学与工程学报》前主编，他位列全球前2%顶尖科学家，此番押注触觉数据，正是看到了行业迈向真实物理交互的必然趋势。

Daimon-Infinity：万小时开源，触觉数据的新标杆

Daimon-Infinity并非戴盟的独角戏，而是联合了全球数十家产学研机构共建的成果，其中包括北京大学、清华大学、香港科技大学等国内顶尖高校，以及Google DeepMind、美国西北大学、新加坡国立大学等国际团队，产业方也有中国移动、汇川技术、上声电子等身影。王煜解释：“他们选择与戴盟合作，是对我们含触觉数据集的认可。在科研、制造等实际场景下采集的数据高度真实，能够驱动模型训练。而我们开源10000小时数据，正是为了推动整个行业向前。”

该数据集的核心价值在于全模态触觉信息的融入。传统机器人操作主要依赖视觉-语言-动作（VLA）模型，但王煜团队开创性地提出了VTLA架构（视觉-触觉-语言-动作），将触觉提升至与视觉同等重要的地位。数据集提供的触觉信息不仅包含接触力，还有接触形变、接触状态、滑移摩擦、物体材质与纹理等，从多个维度完整还原物理交互的过程。戴盟还设计了专门的数据处理管线，将触觉与视觉、动作轨迹、语音文本等模态精准对齐，使其可以直接用于模型训练。王煜将之比作“为具身智能提供高质量的数据燃料，推动通用机器人大模型的最终落地”。

VTLA：当机器人开始“触摸”世界

当前的VLA模型使机器人能看会听，却缺失了触摸这一关键感官。王煜指出：“触觉信息对于提供接触状态的反馈至关重要，它能引导机器人的手指及手部进行可靠的操作。如果没有触觉，机器人可能无法在黑暗环境中判断物体位置，可能因为无法感知滑移而导致玻璃杯掉落，更可能因无法控制力度而导致操作任务失败，甚至造成损害。”例如，在狭窄的便利店货架间，人形机器人需要像人类一样用纤细的手指触碰并抓取物品，此时指尖的力觉和滑觉反馈就成了成功与否的决定性因素。

戴盟采用的视触觉感知技术巧妙地将指尖表面的形变转化为视觉图像，进而推断出力和接触状态。这一技术天然契合现有的VLA框架——将触觉信息转化为图像数据，能够无缝集成到视觉-语言模型中，顺利升级为VTLA架构。王煜说：“无论是端到端模型还是其他类型的架构，视触觉传感器都能提供高分辨率触觉数据，这是关键优势。”

单色光视触觉：11万感知单元背后的工程智慧

在众多触觉技术路线中，戴盟选择了单色光视触觉。王煜解释，这是出于“高度模拟人类指尖皮肤触觉”的需求。生理学研究早已证实人类指尖能够感知材质、力度分布和微位移，而戴盟的方案整合了多种技术优势，在性能、成本、可靠性和灵敏度之间找到了最佳平衡，“这本质上是一种工程方法，因为大量的基础研究已经存在”。成果是一款指尖大小的传感器，集成了超过11万个感知单元，密度业界最高，并能以极高频率和带宽捕捉触觉变化，实时处理信号。同时，它在漂移、硅胶表面耐用性、抗磁场及光学干扰等方面表现优异，已获得众多学术界和人形机器人公司的青睐。王煜透露：“今年第一季度我们的营收已经超过了去年一整年，市场在中国、日本、韩国、美国及欧洲都有显著增长。”

全模态触觉信息涵盖力/力矩、形状、材质、接触信息四大维度，这些数据对于精细操作至关重要。比如，抓取一颗鸡蛋时，传感器不仅要感知接触力，还要监测滑移趋势和表面纹理，从而调整抓取策略，确保不破不滑。这种能力是纯视觉方案难以实现的。

从实验室到产业：王煜的40年积淀与“3D”商业闭环

王煜的机器人之路始于卡内基梅隆大学，师从操作领域权威马特·梅森，与波士顿动力创始人马克·雷伯特同期研究机器人运动与控制。在香港科技大学期间，他与李泽湘共同创立机器人研究所，见证了机器人硬件的飞速发展。然而，灵巧操作始终是难题。近年来人形机器人的硬件突破让他看到了机遇：“机器人的操作能力还有很大的提升空间，我们希望有朝一日机器人能够像人类一样工作。”于是，他与博士后段江哗在数年前共同创立了戴盟机器人，将视触觉技术商业化。

目前，戴盟的商业模式被概括为“3D”：Devices（设备）、Data（数据）和Deployment（部署）。他们提供高性能触觉传感器设备用于数据采集，构建触觉生态；通过外发式采集网络生产大规模数据，并开放给合作伙伴训练模型；最终在便利店、家庭、工业等场景中部署验证，形成闭环。王煜强调：“任何一部分在我们3D商业模式中都不可或缺。垂直整合是当前行业的主流。”

具身技能与人形机器人的落地蓝图

对于“具身技能”的概念，王煜认为，即使大模型赋予了机器人“大脑”，但真正在非结构化环境中自主决策和操作，仍需硬件、触觉与智能的深度融合。他观察到，类似自动驾驶的先例，通用人形机器人的全面部署尚需时日，但在特定场景的商业化已初现曙光。“在中国，几乎所有大型酒店都配备了送餐机器人，它们没有机械臂，但能自主导航、使用电梯。这为便利店、夜间药店等场景提供了范本。”他预计短期内这些场所将率先实现人形机器人部署，随后扩展到更复杂的家庭服务。

尽管道路漫长，王煜对前景充满信心：“如果我们最终能够制造出安全、可靠且经济高效的机器人，它将为社会带来巨大的益处。我们的愿景始终是让机器人实现强大的操作能力，发展成为人类可靠的合作伙伴。”

结语：触摸未来

从单色光视触觉传感器到Daimon-Infinity数据集，戴盟机器人正以“设备+数据+部署”的组合拳，推动具身智能向物理世界纵深。当机器人开始学会触摸，那些过去只能依靠人类指尖灵巧的精细工作，或将迎来全新的生产力伙伴。开源万小时数据的背后，是让更多研究者加入这场触觉革命的开放姿态。也许不久的将来，当人形机器人从便利店货架取下商品、在家里帮你折叠衣物时，那指尖的温柔力道将源自今天的一项项核心技术突破。