感知、控制與數據：ICRA 2026 中國企業報告的三個交匯點

感知要融合，操作要柔順，數據、模型要閉環。

作者丨向欣

編輯丨岑峰

6 月初的維也納，除了展館里的機器人演示區始終人頭攢動，各類技術論壇同樣座無虛席。

在 ICRA 2026 期間，速騰聚創、帕西尼感知、光輪智能、智元機器人、天機智能以及非夕科技等企業都登上了講臺，分享了各自在感知、操作、數據、仿真和基礎模型領域的最新進展。

這六場演講覆蓋了機器人技術鏈條的不同位置：速騰聚創聚焦激光雷達和傳感設備集成，帕西尼側重觸覺傳感與靈巧手，光輪智能做仿真訓練基礎設施，非夕科技和天機智能各自在力控與柔順操作上深耕，智元機器人則在機器人基礎模型的訓練范式上做出了新的探索。

雖然站在不同的位置，但他們關注的問題存在幾個明顯的交匯點。

第一個交匯點是感知的底層基礎。

如何讓機器人對物理世界建立足夠細致、足夠可靠的認知？速騰聚創的解法是把RGB 圖像、深度和運動信息在傳感器層面就融合到一起，避免后處理帶來的誤差積累。

帕西尼和天機智能從另一側切入，在接觸面上引入觸覺感知，補充視覺無法覆蓋的接觸力信息，天機智能和非夕科技一樣，把這種接觸力從傳感器感知，向上延伸到控制層，讓機器人能用力反饋主動消解位置誤差。

第二個交匯點是對接觸中「最后一毫米」問題的重視。

機器人的定位精度可以做到很高，但面對真實操作任務，這種精度優勢很快就會被環境的細微變化抵消。幾家公司給出的解法有共通之處：力控、柔順控制、全身多點接觸感知，指向的都是如何讓機器人在物理接觸過程中保持穩定和適應性，而不依賴對初始位置的絕對精確標定。

第三個交匯點是數據與模型的關系。

光輪智能在講仿真基礎設施，智元機器人在講「部署即訓練」，看起來屬于不同層面的問題，但本質上都在回答同一個問題：機器人的操作能力邊界，取決于能積累多少有效的經驗數據，以及這些數據能以多快的速度轉化為可執行的策略改進。

六家公司在技術路徑和產品側重上的差異也同樣清晰。

速騰聚創和帕西尼代表的是硬件感知層的競爭，一個往多模態傳感器集成走，一個往觸覺硬件與數據工廠走。

光輪智能聚焦于仿真到現實的基礎設施搭建，對機器人本體本身并不涉及。

非夕科技和天機智能的路線相近，都在做力控驅動的靈巧操作。

智元機器人的重心則放在了大規模預訓練模型與真實部署中的持續學習機制上，是這六家中最偏向「基礎模型」視角的一家。

這些探索覆蓋了機器人能力形成的多個關鍵環節：感知系統負責獲取環境信息，控制系統決定機器人如何與環境交互，仿真與數據體系支撐模型訓練，而持續學習則幫助機器人在部署后不斷提升性能。

從企業論壇釋放出的信號來看，具身智能正在進入一個更加注重工程落地和系統能力建設的階段。企業開始尋找各自的突破口，也逐漸形成了差異化的發展路徑。

以下為各家企業演講內容的核心提煉，AI科技評論基于原英文演講內容進行了不改原意的翻譯編輯：

01

速騰聚創：在底層實現原始數據的融合

速騰聚創副總裁楊先聲系統梳理了面向空間智能的三維感知技術演進路徑。他指出，機器人在真實環境作業中，需要同時感知物體的幾何形態、語義信息和運動狀態，而深度感知是實現空間智能的基礎。

楊先聲介紹，目前市面主流三維視覺技術具備不同特性，雙目視覺的成本優勢突出，成像質量容易受到光照與環境紋理影響，結構光技術可以生成細節豐富的深度圖像，iTOF 技術則在測距精度上表現穩定。行業普遍采用相機與雷達拼接的多傳感器方案，但帶來了數據協同與系統復雜度攀升的問題。

速騰聚創將原生 RGB-D 感知定為技術下一階段發展方向，這類技術可以在傳感器硬件層面同步完成色彩、深度、運動三類信息的采集。

為此，速騰推出第二代掃描技術 Pico，提供超高精度點云并優化探測距離。基于 Pico，速騰將發布新一代空間雷達 E2 系列，點云密度與精度全面提升。

基于這些技術，公司構建了Space Camera，能夠在像素級完成 RGB 圖像、深度信息和運動信息的對齊融合，在單一設備中同時實現三維感知和場景語義理解。

02

帕西尼感知：

構建觸覺驅動的機器人體系

帕西尼感知海外負責人李佳樂介紹了公司自 2021 年成立以來在觸覺感知和數據建設方面的進展：團隊規模超過 500 人，服務超過 100 家國內客戶和 1000 家以上海外客戶，并規劃建設五座觸覺數據工廠，其中兩座已投入使用，是國內規模最大的觸覺數據集公司之一。

在硬件方面，帕西尼推出基于霍爾效應的多維觸覺傳感器，可提供3D空間位置信息和九種感知能力，包括紋理、溫度、滑動與硬度。傳感器可在 120℃ 高溫、零下 20℃ 低溫、浸水、明火、強磁場等極端條件下正常工作，也能承受穿刺、切割、汽車碾壓等破壞性測試。

此外，公司開發的DexH13 靈巧手具備 16 個自由度，為四指設計，負載能力 5 公斤，搭載觸覺傳感器與攝像頭，可完成精密力控操作。人形機器人 TORA-ONE 已上市兩年，憑借視覺與觸覺雙重感知能力，廣泛應用于制造、3C、汽車和物流行業。新一代機型 TORA DOUBLE ONE 也在演講中亮相。

03

光輪智能：

用仿真技術搭建物理AI的訓練場

光輪智能全球銷售副總裁 Martin Elbs表示，物理AI面臨真實世界數據稀缺的挑戰。需要用仿真數據補充訓練，但仿真存在 Sim-to-Real Gap，且受場景搭建與算力資源限制。各類仿真方案都需要結合現有資源做出合理的技術取舍。

光輪智能正在搭建面向物理 AI 的持續學習基礎設施，聯合英偉達基于 Newton 物理引擎建立了大規模仿真訓練框架，可依托 GPU同時對大量關節型機器人和復雜地形開展并行仿真，滿足機器人研發對大規模仿真訓練的需求。

同時，為解決 Sim-to-Real Gap，團隊將測量的真實物理數據生成為內置完整物理參數的仿真就緒資產，精準還原摩擦、非線性受力、形變等物理效應，并將仿真引擎推到極致以覆蓋極端邊界工況。

應用方面，該技術已用于工業場景中手機、線束、螺栓等工件的自動化轉運，以及手術機器人、家用服務機器人、文旅機器人等品類。

Martin Elbs 強調，光輪智能的核心優勢在于打通仿真到真實部署的閉環，底層技術上采用統一仿真環境，實現求解器同步調度，通過精巧的工程取舍平衡算力與性能，最終實現大規模實時并行仿真計算。

04

智元機器人：讓機器人在部署中進化

羅劍嵐在演講中指出，現有模型面臨真機數據精準但場景單一、互聯網視頻缺少關節動作標簽、開源數據格式不一等數據困境，統一機器人動作語言成為迫切需求。

他介紹了前不久發布的全球最大開源預訓練具身世界模型τ0-WM。模型參數量達到 5B，預訓練數據 27000 小時，其中真機遙操作數據占 17800 小時，首次讓真機數據成為預訓練主力。

該模型由真實動作模型與基于動作條件的視覺仿真模塊構成：簡單任務由動作模型直接輸出指令，復雜任務則先輸出動作再經仿真模塊校驗后執行。

針對部署后的持續進化，他提出「部署即訓練」范式，采用離線+在線強化學習算法，先離線預訓練得到初始價值函數與動作策略，再進入在線持續后置訓練階段，動態更新參數。

在 16 臺雙臂移動操作機器人上針對3至5分鐘的長程任務測試中，該方法讓策略執行準確率從 60%-70% 提升至95%。

羅劍嵐認為，預訓練加后置微調已成為行業主流范式，如何利用強化學習將物理經驗轉化為持續改進的閉環，是構建未來物理AI基礎設施的關鍵科學問題。

05

天機智能：用力控解決真實世界問題

天機智能遙操與AI研發負責人 Dr.Kang系統闡述了物理AI面臨的現實挑戰，并介紹了團隊在柔性交互、數據采集與研究平臺方面的最新成果。

Dr.Kang 指出，AI 模型的輸出需要通過具身系統安全執行，當前面臨諸多難題：

• 傳統運動規劃流水線在真實世界中極易因微小位置偏差或環境變化導致非預期交互，造成機器人損壞并降低作業成功率。

• 在需要維持穩定接觸力的操作中，任何微小的控制延遲都可能導致接觸力過載，導致作業失敗。

針對上述挑戰，天機智能構建了以三大技術支柱為核心的機器人系統。

第一是力傳感與自適應控制：基于全球首創的 MEMS 關節扭矩傳感器，機器人關節閉環控制能實現實現超低時延響應，力控絕對精度≤ 0.3N·m，可完成電路板插件等精細任務。

第二是人形臂設計：仿人十字交叉手腕設計，單臂僅重 8 公斤卻能支撐 5 公斤載荷，兼顧輕量與動態性能。

第三是全身運動協調：可實現瞬時全身運動生成，協調全身而非僅手臂動作，使操作更自然高效。

在數據層面，天機智能構建了 Gento 數據系統，包括 VR 遙操作系統和主從跟隨遙操作系統，后者可采集力敏感、超高精度接觸類任務的數據。

天機研究平臺將上述能力整合為開箱即用的 Gento 系列機器人，包括 Gento Luna、Gento Skye、Marvin Pro，旨在加速物理AI從實驗室走向現實世界的部署進程。

06

非夕科技：補上靈巧操作的最后一毫米

非夕科技聯合創始人鐘書耘探討了高接觸靈巧操作中的關鍵難題。

鐘書耘介紹，現有工業方案高度依賴輔助設備消除每一步的位置誤差，每更換一條產線就需要重新設計和調試大量工裝夾具，耗時耗力。

他指出，機器人的位置精確度比人類更高，能夠實現毫米甚至微米級的位置精度，但在實際操作中遠不如人類靈巧，人類擅長操作的原因是對位置不確定性有極高的容忍度，并善于將力控制融入操作過程。

受到這一思路啟發，非夕科技推出了具備全身感知能力的新一代機器人產品。不同于傳統機器人僅在末端配備力傳感器，這款新品支持全身多點接觸感知，傳感分辨率極高。團隊還基于全身接觸能力設計了虛擬按鍵功能，用戶可在機器人表面快速完成功能配置。

結合力控制與柔順控制，該機器人可應用于工業、商用、服務領域，能夠輕松抓取易碎物品，完成按摩、精細加工、微操作等高難度精細作業。

在問答環節，針對端到端模型中閉環控制的實現路徑，鐘書耘表示存在多種方案：一種是將AI用于高層決策，控制系統根據AI輸出的代價自動調整執行路徑；另一種是將實時力控數據直接作為AI模型的輸入。

上車，帶你看遍全球 AI 頂會精華

可獨家暢覽：

專家演講PPT

大會報告全文

熱門論文解讀

學術新星訪談

未經「AI科技評論」授權，嚴禁以任何方式在網頁、論壇、社區進行轉載！

公眾號轉載請先在「AI科技評論」后臺留言取得授權，轉載時需標注來源并插入本公眾號名片。