在上周落幕的维也纳机器人学界年度盛会ICRA 2026上，“触觉”成为全场焦点。具身智能行业正加速形成共识：机器人要真正理解物理世界，仅靠视觉远远不够，必须通过接触感知来补全认知拼图。传统依赖视觉和仿真数据训练的机器人，在面对复杂操作任务时暴露出明显短板——它们能定位物体位置，却无法感知接触瞬间的摩擦力、材质软硬或滑移趋势等关键信息。这些物理交互细节，恰恰是决定操作成败的核心变量。
戴盟机器人创始人段江哗早在十年前就洞察到这一技术缺口。2016年攻读博士期间，他专注于机器人操作学习研究，通过3D相机捕捉人类动作轨迹、手把手训练机器人的过程中发现：现有数据体系包含视觉、力觉和姿态信息，却唯独缺失触觉维度。这种缺失导致机器人在插拔插头、抓取湿滑物体等精细任务中几乎无法成功。2020年加入香港科技大学王煜教授团队后，他接触到改变行业轨迹的关键技术——单色光视触觉感知方案。
传统视触觉传感器采用MIT提出的三色光方案，存在带宽需求高、算力消耗大、散热困难等问题。王煜团队研发的单色光技术通过优化光学路径设计，在保持高精度接触信息重建能力的同时，将传输带宽降低40%、算力需求减少35%，散热效率提升50%。这项突破使戴盟的视触觉传感器成本结构发生质变，最终实现以普通传感器价格提供多维、高分辨率、高频次的极致性能。目前，戴盟已占据全球视触觉传感器出货量榜首，客户覆盖多家国际科技巨头。
传感器硬件只是入口，段江哗的终极目标是构建物理世界认知模型。他创新性地提出外发式数据采集网络，让人类在日常劳动中自然积累触觉数据：图书馆员整理书籍、产线工人装配零件、家庭主妇烹饪清洁时佩戴专用设备，即可在真实场景中零门槛完成数据采集。这种模式突破了传统机器人本体的采集局限，理论上可触达数千万级潜在采集者。目前，戴盟已与中国移动等企业建立合作，将数据网络延伸至欧美日韩等市场。
今年4月开源的1万小时含触觉数据集Daimon-Infinity，上线首月即获超百万次下载，验证了行业对真实触觉数据的迫切需求。该数据集采用视觉化处理技术，使触觉信息天然兼容主流视觉框架，可直接用于具身模型训练。与传统纯视觉数据相比，含触觉的数据集能使模型操作成功率提升60%，训练数据量需求降低至几十分之一。戴盟计划年内将数据规模扩展至数百万小时，并联合产业方共建采集生态。
在模型架构层面，戴盟构建了认知层与执行层的双层系统。认知层实现触觉、视觉、语言、几何等多模态信息在统一表征空间的映射，使模型具备类似人类的通感能力——例如仅凭视觉就能预判抓取葡萄需轻柔、抓取玻璃珠可用力的不同策略。执行层则包含百赫兹级高频触觉伺服和物理世界推理机制：前者实现毫秒级边缘力控，在物体滑脱瞬间自动补偿；后者持续预测接触状态演变，在失误发生前提前修正。这种双机制协同工作模式，解决了纯视觉模型反应延迟的核心痛点。
为建立行业评估标准，戴盟联合银河通用发布RobOmni评测基准，这是首个支持仿真与真实数据混合训练的含触觉全模态物理交互评估体系。该基准通过定义1000种不同材质、形状、接触方式的物体交互场景，为触觉数据的"质量"而非"数量"提供量化评估框架。段江哗指出："让机器人在1000种物体上各接触10次，比在单一物体上重复1万次更有价值。"
商业化进程印证了技术路线的正确性。2024年第一季度订单量已超去年全年，海外业务占比持续攀升，产品进入多家全球顶尖AI企业与工业巨头的供应链。从实验室里拖着机器人采集数据的博士生，到打造出全球最大视触觉数据生态的创业者，段江哗用十年时间跨越了技术高墙。但他清醒地认识到："这仅仅是物理AI时代的起点，机器人必须在持续碰撞中才能真正理解世界。"
