一目科技WAIC 2026：填補物理世界與智能系統之間缺失的那一層

如果讓機器人分辨兩顆一模一樣的花生，它會怎么做？

在剛剛開幕的WAIC 2026上，一目科技的展臺前圍滿了觀眾。大家盯著桌面上的兩顆花生——同樣的顏色、同樣的形狀、同樣的紋理，肉眼幾乎看不出任何區別。機器人伸出指尖，輕輕按壓了一下，隨即做出判斷：左邊是真的，右邊是模型。

觀眾們好奇：它是怎么做到的？

答案，并不藏在復雜的物理公式里，而在于一次真實的“交互”。

01 智能的本質是壓縮，但必須有現實的約束

過去兩年，大模型讓機器人擁有了越來越聰明的“大腦”。VLA、世界模型等技術不斷刷新機器人理解任務和規劃動作的能力。但真正進入工廠、家庭和實驗室后，人們發現，機器人依然會捏碎雞蛋、抓滑杯子、裝不好零件。

原因并不復雜。今天的大模型學習的是互聯網世界，而機器人面對的是物理世界。互聯網能夠告訴AI什么是雞蛋，卻不會告訴它雞蛋殼在多大的壓力下會破裂；圖片可以教會機器人認識花生，卻無法告訴它哪一顆是真的。

智能的本質是對信息的高度壓縮，但如果沒有現實世界的約束，這種壓縮只會產生幻覺。對于Physical AI而言，真正重要的不是模型繼續變大，而是機器人能否持續獲得來自現實世界的Ground Truth（物理真值）。

人類通過交互學習世界。嬰兒認識世界不是從語言開始，而是通過觸摸、抓握、摔打。在物理世界中，視覺只能告訴我們物體的形態，而觸覺才能讓我們理解物體的“脾氣”。正如那顆花生，視覺上無法區分，但通過交互反饋，我們能夠精準判斷。觸覺感知的不僅是力場，更是物體在受力后的形變與響應。因此，觸覺=物理真值。

02 視觸覺：獲取物理真值的“交互界面”

那么，機器人如何獲得這些物理真值？

在很長一段時間里，機器人并沒有學會這件事。它們能看到物體的樣子，卻感受不到物體的硬度、摩擦力與彈性。這是因為傳統的力傳感器無法直接感知“形變”。

一目科技給出的答案是：視觸覺（Vision-based Tactile）技術。與傳統力傳感器不同，視觸覺在柔性材料內部建立光學觀測系統。當機器人與物體發生接觸時，材料會產生微米級的形變，內置的光學系統實時記錄這些變化的圖像，再通過AI算法還原出壓力分布、剪切力、紋理、滑移趨勢等豐富的物理信息。

這不是在“測力”，而是在“看見形變，理解力”。

在此次WAIC上，一目科技展示的真假花生識別，就是這一原理最直觀的體現。與此同時，一目科技還展示了五指集成視觸覺靈巧手。在演示屏幕上，觀眾可以清晰地看到，機械手抓取過程中，每根手指的壓力分布、接觸區域和滑移趨勢都在實時可視化呈現。過去隱藏在機械結構內部的物理信息，第一次成為可以被機器人學習和理解的數據。

03 構建Physical AI基礎設施：從感知到GTM與Affordance

但對于一目科技來說，視觸覺傳感器只是起點。

真正稀缺的，并不是一顆傳感器，而是由傳感器持續產出的高質量物理交互數據。因為對于Physical AI而言，每一次接觸，都是機器人認識世界的一次學習；每一次抓取，都會產生新的Ground Truth。

一目科技正在做的，正是構建Physical AI基礎設施。我們正在填補連接物理世界與智能系統之間缺失的那一層。

圍繞這一目標，一目科技搭建了一套完整的基礎設施體系：

底層，視觸覺傳感器持續采集真實交互數據；中間層，通過數據采集系統和觸覺編碼模型（Tactile Transformer Encoder），將復雜的物理交互轉化為模型能夠學習的結構化知識。我們不僅僅是在編碼觸覺，我們是在通過海量的交互，讓機器人學習GTM（Grounded Transition Model），最終形成機器人的Affordance（可供性）能力——即在什么條件下、對什么對象、施予什么力、得到什么結果。上層，結合虛擬仿真平臺，不斷擴展真實數據的覆蓋范圍，形成真實世界、數據世界和模型訓練之間持續迭代的數據閉環。

此次WAIC展出的視觸覺產品矩陣、五指集成靈巧手、數據采集系統、虛擬仿真平臺，以及覆蓋生產制造、生活服務、精密實驗等不同場景的應用展示，共同組成了這一完整鏈路。

一目科技希望提供的，不僅是一款視觸覺產品，而是一套讓機器人能夠持續理解物理世界的能力。

從看見世界到理解世界，從識別物體到理解交互，Physical AI正在進入新的階段。

機器人真正需要學習的，不是互聯網上的海量圖片，而是物理世界的內在規律。智能的本質是壓縮，但這種壓縮必須經過物理現實的檢驗。圍繞真實交互建立的數據能力，正在成為機器人邁向開放環境的重要基礎設施。

今年WAIC，一目科技展示的不只是全棧視觸覺方案，更是在嘗試回答一個屬于整個行業的問題：機器人如何真正理解物理世界。