在机器人技术飞速发展的当下，具身智能领域正经历着一场深刻的变革。近期，戴盟机器人凭借在触觉技术领域的卓越突破，成为行业焦点，其发展历程与技术创新为机器人走向真实物理世界操作提供了新的思路。
长期以来，仅依靠视觉和仿真数据训练的机器人暴露出明显短板。视觉虽能告知机器人物体位置和手部动作方向，却无法传达接触瞬间的关键信息，如摩擦力大小、物体材质软硬、是否滑移以及施力程度等。这些信息对于机器人完成精细操作任务至关重要，却无法从图像中获取。例如，在伸手到电脑机箱背后插插头，或者洗碗时拿稳沾了洗洁精的盘子等场景中，缺乏触觉信息的机器人几乎无法成功完成任务。
戴盟机器人创始人段江哗早在十年前就敏锐地察觉到触觉在机器人操作中的关键作用。2016年读博期间，他专注于机器人操作研究，通过3D相机捕捉人体骨骼轨迹，并手把手指导机器人完成动作，以此采集数据训练机器人。然而，他很快发现，当时的数据体系虽包含视觉、轨迹和姿态信息，却唯独缺少触觉维度，这使得机器人难以实现泛化通用操作。
为突破这一瓶颈，2020年段江哗加入香港科技大学机器人研究院王煜院长课题组，参与与MIT联合开展的触觉操作研究项目。当时市面上主流的视触觉传感器采用MIT提出的三色光方案，王煜团队经过深入研究与迭代，创新性地推出“单色光路线”。这一方案在实现高精度接触信息重建的同时，显著降低了对信息传输带宽和算力的需求，使产品在散热、稳定性及综合成本上具备优势。凭借这一突破，戴盟的视触觉传感器得以以普通传感器的价格出货，成功撬动触觉数据的规模化采集，构建起核心的技术壁垒。
2023年底，戴盟机器人在深圳正式运营。尽管当时人形机器人赛道尚未像如今这般火热，触觉技术也未受到广泛关注，但段江哗凭借多年的研究经验坚信，触觉是让机器人真正学会操作的关键因素。如今，戴盟已成为全球视触觉传感器出货量第一的具身智能企业，商业化进展迅猛，今年一个季度的订单量就超过去年全年，海外订单量更是持续攀升。
段江哗的愿景不止于此，他立志将戴盟打造成为“具身智能时代的英伟达”。在他看来，正如大语言模型的发展离不开英伟达的算力支持，具身大模型要真正融入现实世界，同样需要强大的触觉底座。戴盟正以触觉感知设备与外发式数采网络为切入点，以包含物理交互信息的数据集为动力，以触觉Benchmark为衡量标准，推动物理世界模型的研发与持续迭代，助力机器人实现对世界的深度理解与精细操作。
为实现这一目标，戴盟着力构建外发式数据采集体系。物理世界模型与语言模型不同，后者可借助人类积累的文字与图像数据进行训练，而前者必须从真实的物理接触中获取摩擦力、重力、阻尼、滑落等信息。为解决真实物理交互数据不足的问题，戴盟的方案不依赖机器人本体，也不局限于封闭的数采厂，而是让人类在日常劳动中自然采集数据。操作员只需佩戴设备，在真实场景中即可轻松完成数据采集，无论是图书馆工作人员整理上架书籍，还是工厂产线工人进行生产操作，亦或是家庭用户在做饭、收纳、清洁等家务过程中，都能成为数据采集员。
目前，戴盟已与全球二十余所高校、企业、科研机构以及深圳当地青少年宫、图书馆、工厂等建立合作关系，并将数采网络延伸至欧洲、美国等多个地区。借助中国移动、中国电信等产投方的战略投资，戴盟理论上可借助其遍布全国的线下网点，触达数千万级潜在采集者。戴盟的视触觉技术可将触觉信息转化为图像数据，与当下主流的具身模型依赖的VLA架构以及视觉框架天然契合，采集到的全模态触觉数据成为具身模型通用且好用的视觉语言。
在具身智能领域，“数据金字塔”的概念被广泛提及。塔尖是通过遥操作采集的真机数据，精度高但采集效率低、成本高，适合用于校准关键技能和攻克高难度场景；中层是“以人为中心”的数据，通过手持夹爪等轻量化设备规模化采集带有真实触觉反馈的操作序列，支撑机器人泛化能力的日常训练；底层是视频数据及仿真合成数据，为具身智能提供庞大的数据规模和无限的试错空间，但缺乏真实的物理接触信息。真实触觉数据的重要性日益凸显，它不仅能直接提升模型的操作成功率，还能大幅压缩达到同等模型能力所需的训练数据量。今年4月，戴盟开源1万小时含触觉数据集Daimon - Infinity，上线首月即获得超百万次下载并登顶物理世界具身数据集榜首，印证了触觉数据的行业刚需。戴盟计划今年将数据集规模扩大至数百万小时，并加速推进与产业方合作共建外发式数据采集体系。
在模型构建方面，戴盟的物理世界模型分为认知层和执行层。认知层实现触觉、视觉、语言、几何等模态在同一个表征空间里的互相映射，使模型具备类似人类的通感能力。例如，在面对葡萄和玻璃珠时，模型能根据视觉信息直接映射出触觉预判，并生成不同的抓握策略。执行层则有两套机制协同工作，一套是百赫兹级的高频触觉伺服，类似脊髓反射，能在物体产生滑移趋势的瞬间发出补偿动作；另一套是物理世界推理，模型持续预测未来的接触状态，提前修正失误。这两套机制分别对应毫秒级反应和接触状态前瞻，是戴盟相比纯视觉操作模型的关键差异。
模型迭代的另一个重要方面是评估标准。段江哗认为，触觉数据的Scaling Law与语言、视觉模型不同，关键在于采集数据的全面性，而非数量。为建立公认的评估标准，戴盟和银河通用联合发布了RobOmni，这是行业里第一个同时支持仿真训练和真实数据训练的含触觉全模态物理交互评测基准，旨在为机器人的物理交互能力建立坐标系，推动行业共同探索触觉数据的Scaling Law。
近期，戴盟完成亿元A轮融资，由汇川产投和中国电信联合投资。融资资金将用于继续扩大触觉数据规模，加速物理世界模型迭代。随着第一季度订单量超过去年全年，以及在北美、欧洲及日韩等海外市场的迅速拓展，戴盟已成功跻身多家全球顶尖AI巨头与工业巨头的核心产品与技术生态，并切入全球顶级新能源车企智造链条。从十年前在实验室采集数据的博士生，到如今引领具身智能触觉技术发展的创业者，段江哗和他的团队正一步步推动机器人走向真实物理世界操作的新时代。
