KOL Digest
硅谷101 · 2026.10.29 週四 · YouTube

機器人也需要「手感」:帕西尼談觸覺、數據與物理AI|硅谷101年度線下大會

看原始內容 2 個主題 · 2 個標的/題材

物理 AI 的感知瓶頸與觸覺缺失:從純視覺像素走向多維力覺互動

  • —當前具身智能雖然大腦推理能力快速提升,但若僅依賴攝影機像素與視覺回饋,機器人無法真正理解物體抓握時的滑移、受力變化與表面材質紋理。
  • —如同人手拿水杯與拿雞蛋的直覺反應,真實物理交互依賴密集的觸覺感測神經;若缺乏對接觸阻力與動態形變的理解,機器人將永遠卡在從已知示範到可靠執行的鴻溝中。
機器人 ↑看多 長期

具身智能在真實世界落地的最大阻礙在於物理理解的缺失,僅靠相機像素觀察無法提供接觸力道、表面紋理與滑移狀態的動態反饋。帕西尼提出以自研晶片架構打造覆蓋關節扭矩、六軸力感測至指尖與全身仿生皮膚的完整感知層,突破機器人「看得懂卻摸不透」的物理瓶頸。觸覺感知是具身智能跳脫純視覺幻覺的關鍵基礎,缺乏受力反饋的物理 AI 將無法完成高精度閉環操作

PIE 架構落地閉環:百萬小時觸覺數據工廠、物理世界模型與靈巧手開源生態

  • —機器人學習不能僅依靠文字知識與被動影像,必須建立由真實操作經驗構成的實體經驗層;帕西尼在華東蘇州與華北天津等地佈局五座數據工廠,採集超過百萬小時的高精度人類多維觸覺操作數據。
  • —透過 OmniVTA 與即將推出的 Physics World 物理世界模型,將快適應與慢適應觸覺信號與視覺、語言編碼深度融合,並開源經 2 萬小時耐久測試的 H13 靈巧手設計,降低產業進入門檻。
AI基建 ↑看多 長期

具身智能模型訓練正面臨真實世界物理數據匱乏的挑戰,純合成數據難以模擬真實接觸時的微觀摩擦與非線性受力。帕西尼透過五座數據工廠累積逾百萬小時高精度人類觸覺互動數據,構建融合視覺、語言及快慢適應觸覺的 OmniVTA 與 Physics World 世界模型,結合耐久測試逾兩萬小時的 H13 靈巧手開源硬體,形成「感知-智慧-執行」的 PIE 飛輪。大規模實體操作數據與多模態觸覺模型已成為物理 AI 演進的核心基礎設施,驅動 機器人 從專用示範邁向少樣本甚至零樣本泛化

每天早上,收件匣見

54 位中英文財經 KOL 的觀點,每天自動整理成一份日報。免費,隨時可退訂。

免費訂閱