戴盟机器人构建触觉智能基础设施层

视觉已成为现代机器人技术的核心，但摄像头无法捕捉物理接触的全部信息。处理柔性物体、插入部件或操作易损物品时，机器人需要力、滑动和接触数据，这些信息可能被视觉系统遗漏。

戴盟机器人希望提供基础设施，帮助机器人获得这种能力。该公司没有只专注于触觉传感器或单一基础模型，而是在构建连接触觉传感、数据采集、仿真和AI模型的流水线。

其目标是让物理交互转化为训练数据，帮助机器人更可靠地完成操作任务。戴盟合伙人兼技术副总裁朱博士对《机器人报告》表示，公司通过构建触觉智能“实际上扮演着基础设施提供者的角色”。他说，戴盟并不打算成为基础模型开发者，而是为下游客户提供基础设施。这一区别决定了其战略：打造工具和数据基础设施，供其他公司构建能力更强的机器人系统。

大规模采集有用的触觉数据并不容易。与视觉数据不同，触觉数据依赖物理接触，并随物体材质、几何形状、施加的力和任务而变化。戴盟正在开发捕获和处理这些交互的流水线，触觉反馈以30 Hz运行。

该公司还将真实世界数据与仿真连接起来，使物理交互能够为虚拟环境中的训练提供信息。仿真到现实的差距仍是重大挑战，尤其是在准确复现摩擦和接触力方面。戴盟的方法是根据真实测量校准仿真，再将采集的数据转入仿真环境。

朱博士坦言，就仿真与真实环境之间的差距而言，当前仿真“还不够好”，甚至“相当糟糕”。戴盟正在开发触觉仿真，将真实测试测得的物理属性纳入其中，以提高保真度，让学习到的能力更容易迁移到实体机器人。

戴盟曾讨论采集超过1万小时数据，其长期计划Daimon-Infinity的目标是超过100万小时的触觉具身数据。朱博士还强调与开发机器人模型和应用的公司合作，称仅靠自己做不够，在不同下游场景中开展国际合作非常重要。这种合作帮助戴盟了解其他开发者对其传感器、数据采集设备、软件和评估工具的需求。

戴盟瞄准装配和包装等操作任务，这些任务要求机器人对物理接触作出反应，而不是只沿预定轨迹运动。机器人可能需要判断部件是否正确就位、检测物体何时滑动，或在零件行为异常时调整动作；触觉反馈可以帮助其应对这些情况。

在IROS 2026上，该公司展示了精细操作应用，包括在托特包上转印图案和穿手链。它还展示了一台机器人收集并包装碎玻璃，说明在多样场景数据上训练的模型可以通过提示执行特定任务。

戴盟使用其Umi设备采集人类交互数据。朱博士表示，这些演示由在多种场景采集数据上训练的基础模型驱动，而不是仅围绕单个机器人演示构建。公司已将联想创投和汇川技术列为重要合作伙伴。

朱博士说，戴盟已从概念验证项目进入工业装配线和仓库，但以保密协议为由拒绝透露具体客户。商业考验在于，触觉传感及围绕其构建的模型能否在生产环境中持续提升性能，因为机器人必须处理物体、材料和运行条件的变化。