2026 年夏天，機器人圈被個近乎"黑幽默"的實驗結果炸開了鍋。

支由斯坦福教授李飛飛、英偉達具身智能負責人 Jim Fan、佐亞理工學院助理教授徐丹飛銜，聯 Pieter Abbeel、Jitendra Malik、Ken Goldberg、Trevor Darrell 等多位頂學者的"團隊"，在項消融對照實驗中遇到了個百思不得其解的現象。

他們在個名為 π 0.5 的行業經典模型上做了件看似理所當然的事——把觸覺信號作為額外信息輸入給模型。按常理，多種感知應該多分。結果卻令人瞠目：據論文中的消融實驗顯示，任務成功率從 17 驟降至 6。

加了觸覺，機器人反而"不會干活"了。

這個反常結果，像記耳光在了整個具身智能行業的臉上。過去幾年，業界的主流做法是把切感知信息——視覺、語言、觸覺——統統轉成同種格式塞進同個大模型里，相信"數據多了自然智能涌現"。T-Rex 論文用組冰冷的數據證明：這條路，可能從開始就走偏了。

觸覺為什么成了"豬隊友"？

問題出在哪里？論文作者們給出了個簡潔而有力的診斷：頻率錯配。

據論文及相關技術解讀，視覺是種"慢感知"。攝像頭以大約每秒 5 幀的頻率掃描世界，提供的是穩定的場景語義——知道物體在哪里、長什么樣。但觸覺是種"快感知"。當指接觸到物體的瞬間，壓力、滑動、形變等信息以毫秒為單位變化，觸覺反饋需要在每秒 20 次甚至的頻率下才能發揮作用。

個比：這就像讓個長跑運動員（視覺）和個短跑運動員（觸覺）在同條跑道上以同樣的速度跑步。長跑運動員覺得節奏太快跟不上，短跑運動員覺得節奏太慢憋得慌。把這兩種時間尺度不同的信號強行塞進同個以低頻運行的 Transformer 里，結果不是" 1+1=2 "，而是" 1+1

換句話說河源PVC管件膠廠家，不是觸覺沒用，是用錯了地。

面對這個結構矛盾，研究團隊沒有在原有框架上修修補補，而是選擇倒重來。

他們提出了套名為T-Rex的全新框架。T-Rex 既是"觸覺反應式靈巧操作"（Tactile-Reactive Dexterous Manipulation）的縮寫，也暗"霸龍"之意——雖然霸龍的前肢短小，但這篇論文要解決的，正是雙靈巧手如何真正"感知"世界。

T-Rex 的核心思路可以概括為句話：別再讓觸覺和視覺同條力通道了，給它單開辟條立的速公路。

具體怎么實現？論文提出了套混 Transformer 架構（Mixture-of-Transformers，MoT）?。所謂"混"，是把機器人的控制權拆解給三位各司其職的；所謂"變速率"，是讓三位各跑各的時鐘頻率，互不干擾。MoT 中的" M "恰好同時代表了這兩層含義。

位負責"看路"和"預判"——它叫潛在。? 它的任務是處理視覺和語言信息，預測"接下來場景會變成什么樣"，為后續動作提供時間上的上下文。說白了，它在提前想好下步會發生什么。

二位負責"畫草圖"——它叫動作。? 它從片"噪聲"開始，通過步步去噪，生成個大致的動作走向——"手往這個向移動"。這個模塊的運行頻率大約是每秒 5 次，對應視覺感知的節奏。

三位負責"微調"——它叫觸覺。? 它不參與前期的全局規劃，只在接觸發生的瞬間啟動，以每秒 20 次以上的頻實時讀取指傳來的力和形變信號，在動作畫好的"草圖"上做毫秒的精細修正——"力道輕點""往左偏毫米"。

三個的協同流程是這樣的：動作先跑完前幾步，畫出張動作草圖；觸覺從某個中間節點接手，利用新的觸覺數據完成剩余步驟的精化。動作負責"低頻去噪"，觸覺負責"頻精化"?。潛在全程"看路"，為兩者提供視覺上下文。三位各跑各的時鐘，各司其職，后協同輸出完整的動作。

T-Rex 的 Mixture-of-Transformer-Experts（MoT）架構河源PVC管件膠廠家。（圖片來源：T-Rex）

為了讓觸覺真正"讀懂"觸覺信號，論文還門設計了套時空觸覺編碼器。核心是個VQ-VAE模塊——你可以把它理解為個"翻譯官"，把過去十幾幀的時序力數據壓縮成離散的"觸覺詞匯"，既能捕捉力的變化趨勢，又能抵抗傳感器的信號漂移。這樣來，萬能膠廠家觸覺接收到的就是套標準化的"觸覺語言"，而非雜亂章的原始信號。

這套設計的本質，就是給頻觸覺信號辟出條立的通道，不讓它被低頻的視覺節奏拖累。? 三個各跑各的頻率，各管各的事，互不干擾，后再協同輸出個完整的動作——既保留了視覺對全局的把控，又釋放了觸覺在接觸瞬間的敏捷反應能力。

數據層面同樣下足了功夫。團隊構建了個100 小時的觸覺同步數據集，涵蓋 200 多種日常物品、22 種動作基元（抓取、擠壓、插入、擦拭、折疊等）、7700 多條運動軌跡。與傳統做法不同，這個數據集不是針對某個特定任務錄制的，而是圍繞"動作 × 物體"的組來組織—— 22 個動作搭配 200 多種物品，通過排列組覆蓋盡可能多樣的接觸場景。這讓模型學到的是通用的觸覺 - 動作對應關系，而非死記硬背特定任務的模板。

訓練策略同樣具層次感。團隊先用22,889 小時的人類視角進行大規模預訓練，讓模型理解人類的手部交互模式；再用上述 100 小時的機器人觸覺數據進行跨模態對齊；后僅需少量特定任務示范即可完成項能力的激活。這種漸進式訓練的好處是，觸覺能力不需要從頭學起，而是在視覺運動先驗已經建立之后，以相對少的數據"嫁接"進來。

12 項"刁難"任務，30 個百分點的跨越

這套架構到底有沒有用？論文在 12 項門為"刁難"機器人而設計的精細操作任務上進行了嚴苛測試——翻書頁、轉移生雞蛋、擦盤子、擠牙膏、分紙杯、分揀麻將、開鎖、填藥盒、模擬化學滴定、抽卡片、發撲克、擰燈泡。每項都要求機器人對接觸力進行動態的、即時的調節。

T-Rex 完成翻書等接觸密集型任務（圖片來源：T-Rex）

終結果令人振奮：T-Rex 相較此前強的基線模型，在這 12 項任務上取得了過 30 的平均成功率提升。在翻書頁、分紙杯等對力度為敏感的任務中，T-Rex 的表現從"幾乎不可用"躍升到了"初步具備實用價值"。

進步的消融實驗反向印證了設計的精妙：旦切除所有觸覺輸入通道，系統成功率出現斷崖式下跌；而如果強行取消異步運行機制，讓觸覺被迫降頻與視覺同步，能同樣會顯著劣化。這恰恰說明，T-Rex 的成功并非單純來自"加了觸覺"，而是來自"用對了觸覺"——給它立的節奏、立的通道、立的處理邏輯。

T-Rex 這篇論文的價值，遠不止于組漂亮的實驗數據。它用個具說服力的反例，向整個具身智能行業發出了個明確的警示信號：

"萬物皆 token、切進大模型"的通用范式，并不適用于所有感知模態。

視覺和語言是"慢變量"，適放在同個巨大的 Transformer 里做全局關聯理；但觸覺是"快變量"，它關乎物理接觸和即時反饋，需要單的頻閉環控制回路。強行把兩者塞進同個模子，結果不是融，而是污染。

這讓人聯想到經科學中經典的雙流假說——視覺腹側通路負責"識別是什么"，背側通路負責"指怎么做"。T-Rex 的混架構，某種程度上是在機器人身上復刻了這種生物演化的智慧。

當然，論文也坦誠了當前的局限：對于需要數秒連貫協調的復雜操作，純粹的行為克隆仍受限于示范數據的覆蓋度；當前觸覺感知僅限于指而非全手掌，且傳感器標定與漂移問題仍是工程痛點。但這些屬于"成長中的煩惱"，并不妨礙 T-Rex 所確立的范式意義。

這篇論文傳遞的核心信息已經比清晰：別再讓機器人光靠"瞪大眼睛看"來干活了，是時候讓它們學會"伸出手去摸"。? 觸覺不應是視覺的附庸，而應是條立的、與視覺平起平坐的物理感知通道。

那個" 17 跌到 6 "的反常實驗，或許正是機器人從"看見世界"走向"感知世界"的關鍵轉折點。（本文發鈦媒體 APP，作者 | 硅谷 Tech-news，編輯 | 趙虹宇）相關詞條:不銹鋼保溫施工     塑料管材生產線     鋼絞線廠家    玻璃棉板    泡沫板橡塑板專用膠

奧力斯    泡沫板橡塑板專用膠報價    聯系人：王經理    手機：18232851235（微信同號）    地址：河北省任丘市北辛莊鄉南代河工業區

1.本網站以及本平臺支持關于《新廣告法》實施的“極限詞“用語屬“違詞”的規定，并在網站的各個欄目、產品主圖、詳情頁等描述中規避“違禁詞”。
2.本店歡迎所有用戶指出有“違禁詞”“廣告法”出現的地方，并積極配合修改。
3.凡用戶訪問本網頁，均表示默認詳情頁的描述，不支持任何以極限化“違禁詞”“廣告法”為借口理由投訴違反《新廣告法》，以此來變相勒索商家索要賠償的違法惡意行為。