在機器人技術飛速發展的當下，具身智能領域正經歷著一場深刻的變革。近期，戴盟機器人憑借在觸覺技術領域的卓越突破，成為行業焦點，其發展歷程與技術創新為機器人走向真實物理世界操作提供了新的思路。

長期以來，僅依靠視覺和仿真數據訓練的機器人暴露出明顯短板。視覺雖能告知機器人物體位置和手部動作方向，卻無法傳達接觸瞬間的關鍵信息，如摩擦力大小、物體材質軟硬、是否滑移以及施力程度等。這些信息對于機器人完成精細操作任務至關重要，卻無法從圖像中獲取。例如，在伸手到電腦機箱背后插插頭，或者洗碗時拿穩沾了洗潔精的盤子等場景中，缺乏觸覺信息的機器人幾乎無法成功完成任務。

戴盟機器人創始人段江嘩早在十年前就敏銳地察覺到觸覺在機器人操作中的關鍵作用。2016年讀博期間，他專注于機器人操作研究，通過3D相機捕捉人體骨骼軌跡，并手把手指導機器人完成動作，以此采集數據訓練機器人。然而，他很快發現，當時的數據體系雖包含視覺、軌跡和姿態信息，卻唯獨缺少觸覺維度，這使得機器人難以實現泛化通用操作。

為突破這一瓶頸，2020年段江嘩加入香港科技大學機器人研究院王煜院長課題組，參與與MIT聯合開展的觸覺操作研究項目。當時市面上主流的視觸覺傳感器采用MIT提出的三色光方案，王煜團隊經過深入研究與迭代，創新性地推出“單色光路線”。這一方案在實現高精度接觸信息重建的同時，顯著降低了對信息傳輸帶寬和算力的需求，使產品在散熱、穩定性及綜合成本上具備優勢。憑借這一突破，戴盟的視觸覺傳感器得以以普通傳感器的價格出貨，成功撬動觸覺數據的規模化采集，構建起核心的技術壁壘。

2023年底，戴盟機器人在深圳正式運營。盡管當時人形機器人賽道尚未像如今這般火熱，觸覺技術也未受到廣泛關注，但段江嘩憑借多年的研究經驗堅信，觸覺是讓機器人真正學會操作的關鍵因素。如今，戴盟已成為全球視觸覺傳感器出貨量第一的具身智能企業，商業化進展迅猛，今年一個季度的訂單量就超過去年全年，海外訂單量更是持續攀升。

段江嘩的愿景不止于此，他立志將戴盟打造成為“具身智能時代的英偉達”。在他看來，正如大語言模型的發展離不開英偉達的算力支持，具身大模型要真正融入現實世界，同樣需要強大的觸覺底座。戴盟正以觸覺感知設備與外發式數采網絡為切入點，以包含物理交互信息的數據集為動力，以觸覺Benchmark為衡量標準，推動物理世界模型的研發與持續迭代，助力機器人實現對世界的深度理解與精細操作。

為實現這一目標，戴盟著力構建外發式數據采集體系。物理世界模型與語言模型不同，后者可借助人類積累的文字與圖像數據進行訓練，而前者必須從真實的物理接觸中獲取摩擦力、重力、阻尼、滑落等信息。為解決真實物理交互數據不足的問題，戴盟的方案不依賴機器人本體，也不局限于封閉的數采廠，而是讓人類在日常勞動中自然采集數據。操作員只需佩戴設備，在真實場景中即可輕松完成數據采集，無論是圖書館工作人員整理上架書籍，還是工廠產線工人進行生產操作，亦或是家庭用戶在做飯、收納、清潔等家務過程中，都能成為數據采集員。

目前，戴盟已與全球二十余所高校、企業、科研機構以及深圳當地青少年宮、圖書館、工廠等建立合作關系，并將數采網絡延伸至歐洲、美國等多個地區。借助中國移動、中國電信等產投方的戰略投資，戴盟理論上可借助其遍布全國的線下網點，觸達數千萬級潛在采集者。戴盟的視觸覺技術可將觸覺信息轉化為圖像數據，與當下主流的具身模型依賴的VLA架構以及視覺框架天然契合，采集到的全模態觸覺數據成為具身模型通用且好用的視覺語言。

在具身智能領域，“數據金字塔”的概念被廣泛提及。塔尖是通過遙操作采集的真機數據，精度高但采集效率低、成本高，適合用于校準關鍵技能和攻克高難度場景；中層是“以人為中心”的數據，通過手持夾爪等輕量化設備規模化采集帶有真實觸覺反饋的操作序列，支撐機器人泛化能力的日常訓練；底層是視頻數據及仿真合成數據，為具身智能提供龐大的數據規模和無限的試錯空間，但缺乏真實的物理接觸信息。真實觸覺數據的重要性日益凸顯，它不僅能直接提升模型的操作成功率，還能大幅壓縮達到同等模型能力所需的訓練數據量。今年4月，戴盟開源1萬小時含觸覺數據集Daimon - Infinity，上線首月即獲得超百萬次下載并登頂物理世界具身數據集榜首，印證了觸覺數據的行業剛需。戴盟計劃今年將數據集規模擴大至數百萬小時，并加速推進與產業方合作共建外發式數據采集體系。

在模型構建方面，戴盟的物理世界模型分為認知層和執行層。認知層實現觸覺、視覺、語言、幾何等模態在同一個表征空間里的互相映射，使模型具備類似人類的通感能力。例如，在面對葡萄和玻璃珠時，模型能根據視覺信息直接映射出觸覺預判，并生成不同的抓握策略。執行層則有兩套機制協同工作，一套是百赫茲級的高頻觸覺伺服，類似脊髓反射，能在物體產生滑移趨勢的瞬間發出補償動作；另一套是物理世界推理，模型持續預測未來的接觸狀態，提前修正失誤。這兩套機制分別對應毫秒級反應和接觸狀態前瞻，是戴盟相比純視覺操作模型的關鍵差異。

模型迭代的另一個重要方面是評估標準。段江嘩認為，觸覺數據的Scaling Law與語言、視覺模型不同，關鍵在于采集數據的全面性，而非數量。為建立公認的評估標準，戴盟和銀河通用聯合發布了RobOmni，這是行業里第一個同時支持仿真訓練和真實數據訓練的含觸覺全模態物理交互評測基準，旨在為機器人的物理交互能力建立坐標系，推動行業共同探索觸覺數據的Scaling Law。

近期，戴盟完成億元A輪融資，由匯川產投和中國電信聯合投資。融資資金將用于繼續擴大觸覺數據規模，加速物理世界模型迭代。隨著第一季度訂單量超過去年全年，以及在北美、歐洲及日韓等海外市場的迅速拓展，戴盟已成功躋身多家全球頂尖AI巨頭與工業巨頭的核心產品與技術生態，并切入全球頂級新能源車企智造鏈條。從十年前在實驗室采集數據的博士生，到如今引領具身智能觸覺技術發展的創業者，段江嘩和他的團隊正一步步推動機器人走向真實物理世界操作的新時代。