作者丨向欣
编辑丨岑峰
雷峰网(公众号：雷峰网)：6 月初的维也纳，除了展馆里的机器人演示区始终人头攒动，各类技术论坛同样座无虚席。
在 ICRA 2026 期间，速腾聚创、帕西尼感知、光轮智能、智元机器人、天机智能以及非夕科技等企业都登上了讲台，分享了各自在感知、操作、数据、仿真和基础模型领域的最新进展。
这六场演讲覆盖了机器人技术链条的不同位置：速腾聚创聚焦激光雷达和传感设备集成，帕西尼侧重触觉传感与灵巧手，光轮智能做仿真训练基础设施，非夕科技和天机智能各自在力控与柔顺操作上深耕，智元机器人则在机器人基础模型的训练范式上做出了新的探索。
虽然站在不同的位置，但他们关注的问题存在几个明显的交汇点。
第一个交汇点是感知的底层基础。
如何让机器人对物理世界建立足够细致、足够可靠的认知？速腾聚创的解法是把 RGB 图像、深度和运动信息在传感器层面就融合到一起，避免后处理带来的误差积累。
帕西尼和天机智能从另一侧切入，在接触面上引入触觉感知，补充视觉无法覆盖的接触力信息，天机智能和非夕科技一样，把这种接触力从传感器感知，向上延伸到控制层，让机器人能用力反馈主动消解位置误差。
第二个交汇点是对接触中「最后一毫米」问题的重视。
机器人的定位精度可以做到很高，但面对真实操作任务，这种精度优势很快就会被环境的细微变化抵消。几家公司给出的解法有共通之处：力控、柔顺控制、全身多点接触感知，指向的都是如何让机器人在物理接触过程中保持稳定和适应性，而不依赖对初始位置的绝对精确标定。
第三个交汇点是数据与模型的关系。
光轮智能在讲仿真基础设施，智元机器人在讲「部署即训练」，看起来属于不同层面的问题，但本质上都在回答同一个问题：机器人的操作能力边界，取决于能积累多少有效的经验数据，以及这些数据能以多快的速度转化为可执行的策略改进。
六家公司在技术路径和产品侧重上的差异也同样清晰。
速腾聚创和帕西尼代表的是硬件感知层的竞争，一个往多模态传感器集成走，一个往触觉硬件与数据工厂走。
光轮智能聚焦于仿真到现实的基础设施搭建，对机器人本体本身并不涉及。
非夕科技和天机智能的路线相近，都在做力控驱动的灵巧操作。
智元机器人的重心则放在了大规模预训练模型与真实部署中的持续学习机制上，是这六家中最偏向「基础模型」视角的一家。
这些探索覆盖了机器人能力形成的多个关键环节：感知系统负责获取环境信息，控制系统决定机器人如何与环境交互，仿真与数据体系支撑模型训练，而持续学习则帮助机器人在部署后不断提升性能。
从企业论坛释放出的信号来看，具身智能正在进入一个更加注重工程落地和系统能力建设的阶段。企业开始寻找各自的突破口，也逐渐形成了差异化的发展路径。
以下为各家企业演讲内容的核心提炼，AI科技评论基于原英文演讲内容进行了不改原意的翻译编辑：
01
速腾聚创副总裁杨先声系统梳理了面向空间智能的三维感知技术演进路径。他指出，机器人在真实环境作业中，需要同时感知物体的几何形态、语义信息和运动状态，而深度感知是实现空间智能的基础。
杨先声介绍，目前市面主流三维视觉技术具备不同特性，双目视觉的成本优势突出，成像质量容易受到光照与环境纹理影响，结构光技术可以生成细节丰富的深度图像，iTOF 技术则在测距精度上表现稳定。行业普遍采用相机与雷达拼接的多传感器方案，但带来了数据协同与系统复杂度攀升的问题。
速腾聚创将原生 RGB-D 感知定为技术下一阶段发展方向，这类技术可以在传感器硬件层面同步完成色彩、深度、运动三类信息的采集。
为此，速腾推出孔雀芯片，提供超高精度点云并优化探测距离。基于孔雀芯片，速腾将发布新一代空间雷达 E2 系列，点云密度与精度全面提升。
基于这些技术，公司构建了 Space Camera，能够在像素级完成 RGB 图像、深度信息和运动信息的对齐融合，在单一设备中同时实现三维感知和场景语义理解。
02
帕西尼感知海外负责人李佳乐介绍了公司自 2021 年成立以来在触觉感知和数据建设方面的进展：团队规模超过 500 人，服务超过 100 家国内客户和 1000 家以上海外客户，并规划建设五座触觉数据工厂，其中两座已投入使用，是国内规模最大的触觉数据集公司之一。
在硬件方面，帕西尼推出基于霍尔效应的多维触觉传感器，可提供 3D 空间位置信息和九种感知能力，包括纹理、温度、滑动与硬度。传感器可在 120℃ 高温、零下 20℃ 低温、浸水、明火、强磁场等极端条件下正常工作，也能承受穿刺、切割、汽车碾压等破坏性测试。
此外，公司开发的 DexH13 灵巧手具备 16 个自由度，为四指设计，负载能力 5 公斤，搭载触觉传感器与摄像头，可完成精密力控操作。人形机器人 TORA-ONE 已上市两年，凭借视觉与触觉双重感知能力，广泛应用于制造、3C、汽车和物流行业。新一代机型 TORA DOUBLE ONE 也在演讲中亮相。
03
光轮智能全球销售副总裁 Martin Elbs 表示，物理AI面临真实世界数据稀缺的挑战。需要用仿真数据补充训练，但仿真存在 Sim-to-Real Gap，且受场景搭建与算力资源限制。各类仿真方案都需要结合现有资源做出合理的技术取舍。
光轮智能正在搭建面向物理 AI 的持续学习基础设施，联合英伟达基于 Newton 物理引擎建立了大规模仿真训练框架，可依托 GPU 同时对大量关节型机器人和复杂地形开展并行仿真，满足机器人研发对大规模仿真训练的需求。
同时，为解决 Sim-to-Real Gap，团队将测量的真实物理数据生成为内置完整物理参数的仿真就绪资产，精准还原摩擦、非线性受力、形变等物理效应，并将仿真引擎推到极致以覆盖极端边界工况。
应用方面，该技术已用于工业场景中手机、线束、螺栓等工件的自动化转运，以及手术机器人、家用服务机器人、文旅机器人等品类。
Martin Elbs 强调，光轮智能的核心优势在于打通仿真到真实部署的闭环，底层技术上采用统一仿真环境，实现求解器同步调度，通过精巧的工程取舍平衡算力与性能，最终实现大规模实时并行仿真计算。
04
罗剑岚在演讲中指出，现有模型面临真机数据精准但场景单一、互联网视频缺少关节动作标签、开源数据格式不一等数据困境，统一机器人动作语言成为迫切需求。
他介绍了前不久发布的全球最大开源预训练具身世界模型 τ0-WM。模型参数量达到 5B，预训练数据 27000 小时，其中真机遥操作数据占 17800 小时，首次让真机数据成为预训练主力。
该模型由真实动作模型与基于动作条件的视觉仿真模块构成：简单任务由动作模型直接输出指令，复杂任务则先输出动作再经仿真模块校验后执行。
针对部署后的持续进化，他提出「部署即训练」范式，采用离线+在线强化学习算法，先离线预训练得到初始价值函数与动作策略，再进入在线持续后置训练阶段，动态更新参数。
在 16 台双臂移动操作机器人上针对3至5分钟的长程任务测试中，该方法让策略执行准确率从 60%-70% 提升至 95%。
罗剑岚认为，预训练加后置微调已成为行业主流范式，如何利用强化学习将物理经验转化为持续改进的闭环，是构建未来物理AI基础设施的关键科学问题。
05
天机智能遥操与AI研发负责人 Dr.Kang 系统阐述了物理AI面临的现实挑战，并介绍了团队在柔性交互、数据采集与研究平台方面的最新成果。
Dr.Kang 指出，AI 模型的输出需要通过具身系统安全执行，当前面临诸多难题：
传统运动规划流水线在真实世界中极易因微小位置偏差或环境变化导致非预期交互，造成机器人损坏并降低作业成功率。
在需要维持稳定接触力的操作中，任何微小的控制延迟都可能导致接触力过载，导致作业失败。
针对上述挑战，天机智能构建了以三大技术支柱为核心的机器人系统。
第一是力传感与自适应控制：基于全球首创的 MEMS 关节扭矩传感器，机器人关节闭环控制能实现实现超低时延响应，力控绝对精度≤ 0.3N·m，可完成电路板插件等精细任务。
第二是人形臂设计：仿人十字交叉手腕设计，单臂仅重 8 公斤却能支撑 5 公斤载荷，兼顾轻量与动态性能。
第三是全身运动协调：可实现瞬时全身运动生成，协调全身而非仅手臂动作，使操作更自然高效。
在数据层面，天机智能构建了 Gento 数据系统，包括 VR 遥操作系统和主从跟随遥操作系统，后者可采集力敏感、超高精度接触类任务的数据。
天机研究平台将上述能力整合为开箱即用的 Gento 系列机器人，包括 Gento Luna、Gento Skye、Marvin Pro，旨在加速物理AI从实验室走向现实世界的部署进程。
06
非夕科技联合创始人钟书耘探讨了高接触灵巧操作中的关键难题。
钟书耘介绍，现有工业方案高度依赖辅助设备消除每一步的位置误差，每更换一条产线就需要重新设计和调试大量工装夹具，耗时耗力。
他指出，机器人的位置精确度比人类更高，能够实现毫米甚至微米级的位置精度，但在实际操作中远不如人类灵巧，人类擅长操作的原因是对位置不确定性有极高的容忍度，并善于将力控制融入操作过程。
受到这一思路启发，非夕科技推出了具备全身感知能力的新一代机器人产品。不同于传统机器人仅在末端配备力传感器，这款新品支持全身多点接触感知，传感分辨率极高。团队还基于全身接触能力设计了虚拟按键功能，用户可在机器人表面快速完成功能配置。
结合力控制与柔顺控制，该机器人可应用于工业、商用、服务领域，能够轻松抓取易碎物品，完成按摩、精细加工、微操作等高难度精细作业。
在问答环节，针对端到端模型中闭环控制的实现路径，钟书耘表示存在多种方案：一种是将AI用于高层决策，控制系统根据AI输出的代价自动调整执行路径；另一种是将实时力控数据直接作为AI模型的输入。
上车，带你看遍全球 AI 顶会精华
可独家畅览：
专家演讲PPT
大会报告全文
热门论文解读
学术新星访谈
扫描上方二维码
或点击「阅读原文」关注专区。
正在生成分享图...
小七