98年哈工大教授創業，要做人形靈巧操作世界模型

# 98年哈工大教授创业破晓智能：让机器人从“看见世界”走向“接触世界”

當人形機器人開始能夠流暢行走、準確抓取，甚至理解自然語言指令時，一個更根本的問題浮出水面：它到底知不知道自己在碰什麼？如果只靠視覺和語言，機械臂可以準確定位物體，卻無法感知手指按壓噴壺按鈕時是否到位、抓取濕滑物體時是否正在滑落、插頭插入插座時接觸是否穩定。觸覺，正在成為機器人從“看懂世界”邁向“操作世界”的關鍵缺失拼圖。 針對這一問題，哈爾濱工業大學（深圳）長聘教授、博士生導師楊朔團隊近期發布了**TouchWorld**，一個面向靈巧操作的觸覺世界模型。不同於常規世界模型僅預測視覺畫面變化，TouchWorld更進一步：讓機器人同時預測“接觸如何發生”，並能在真實操作中根據觸覺反饋即時修正動作。這項工作的背後，是團隊圍繞觸覺搭建的一整條技術鏈——從數據採集、觸覺恢復，到最終的觸覺驅動控制。而這條鏈條的最終承載者，正是楊朔剛創辦的**破曉智能（PHANES AI）**。 ## 從數據科學家到機器人創業者

公開資料顯示，楊朔現任哈爾濱工業大學（深圳）計算機科學與技術學院長聘教授、博導。他26歲獲評長聘教授，曾獲Google Ph.D. Fellowship，入選國家級高層次青年人才、深圳市“高精尖缺”人才等多項榮譽。長期從事多模態大模型、Data-Centric AI、計算機視覺與具身智能等方向研究。 楊朔的創業路徑帶有明顯的學術底色：從“模型到底應該用什麼數據學習”這個問題出發，一路深入到物理世界。在傳統機器學習中，問題指向數據質量與標籤噪聲；而在具身智能場景下，數據變成了人在真實世界中的連續操作過程。人類視頻數據正成為機器人學習複雜操作的重要入口，NVIDIA EgoScale等研究已證明第一人稱操作數據具備Scaling Law。然而，這條數據路徑仍缺少一層關鍵信息：**觸覺**。視頻能讓機器人看到手部軌跡與物體外觀，但手指與物體之間的壓力分佈、接觸是否穩定，圖像難以回答。 破曉智能的成立，就是為瞭解決這個問題。公司圍繞“機器人如何真正學會操作”，從觸覺數據切入，構建從採集、模型到控制的完整能力環。 ## 觸覺三部曲：從採、對齊到使用

破曉智能的技術圖譜並非幾篇論文的簡單並列，而是一條環環相扣的能力鏈。**EgoTouch**解決的是“觸覺數據怎麼採”。團隊設計了一套第一人稱視覺-觸覺同步採集系統，將頭戴攝像頭、腕部視角、手部姿態與雙手壓力圖融合，針對剛性物體、柔性物體、抓取、捏取、擰動、工具使用等任務採集人類真實操作過程中的視覺與觸覺信號。 有了少量高質量的帶觸覺數據，下一步是讓更多視頻補上觸覺。**TouchAnything**充當了“數據放大器”：利用EgoTouch這類視覺-觸覺對齊數據，訓練模型從純第一人稱視頻中估計雙手接觸區域與壓力分佈。這樣，互聯網上海量的人類操作視頻即便沒有加裝觸覺傳感器，也能被恢復出一層接觸信息，為機器人學習提供廉價而大規模的觸覺監督。 第三塊拼圖便是**TouchWorld**，它真正讓觸覺進入機器人世界模型和操作策略。TouchWorld的核心設計圍繞兩個關鍵詞：**Predictive（預測性）與Reactive（反應性）**。 Predictive層面，模型不僅預測下一幀畫面，更預測在當前任務的子目標完成時，手部應該呈現怎樣的接觸狀態。以按壓噴壺按鈕為例，當按鈕被遮擋時視覺難以判斷是否完成，但觸覺上手指是否接觸、壓力是否到位則是最直接的判據。讓機器人具備“觸覺目標預測”能力，能顯著提升任務完成的判斷精度。 Reactive層面，TouchWorld在高頻觸覺反饋中實現動作修正。真實操作中物體滑動、傳感器漂移、定位誤差幾乎不可避免，若每次都要等待上層模型重新規劃則時延過高。TouchWorld的reactive子模塊以四倍於中間策略的頻率運行，每次輸出一個delta修正量，讓動作在接觸過程中持續糾偏，類似人類在抓取濕滑物體時憑手感瞬間調整抓握姿態。 ## 六項真實任務驗證觸覺價值

實驗中，TouchWorld在澆花、桌面清理、電源插頭插入、杯子插入、擦鍋、抽紙巾六項真實機器人任務中進行測試。這些任務的共同特點是接觸階段的表現直接決定成敗：插頭插入考驗精密接觸，擦鍋需要持續調節壓力，抽紙巾要求對柔性物體的穩定拉取。 結果顯示，在無擾動的clean setting下，TouchWorld平均成功率達65.0%；在人為引入擾動的場景下，成功率仍達57.2%。相比Pi-0.5、FTP-1、GR00T N1.7等對照方法，TouchWorld在兩個設置下分別高出最強基線15.7和16.0個百分點。團隊同時強調，65%的成功率說明系統距離大規模泛化仍有相當距離，但這項工作驗證了觸覺目標預測與高頻反饋修正能夠顯著提升操作穩定性，即觸覺不只是傳感器讀數，而應深度嵌入世界模型與決策結構。 ## 破曉智能：讓機器人全身移動靈巧操作閉環

從EgoTouch到TouchAnything再到TouchWorld，破曉智能的技術路線下一步指向**HumanWBC**：基於人類數據訓練全身移動靈巧操作控制模型，把感知理解、自主移動、全身控制、雙臂協同和靈巧手操作接到同一系統中。這意味著機器人不僅能完成桌面級抓取，還能真正“走過去、抓起來、做完事”，將觸覺反饋納入全身動作協調。 楊朔團隊指出，當前五指靈巧手加觸覺的方案仍處在“黎明前的黑暗”：高自由度帶全掌觸覺的靈巧手不成熟，觸覺數據採集成本極高，真機靈巧操作數據稀缺，觸覺手套噪聲大且容易損壞，不同傳感器間的數據表示不統一，統一benchmark也尚未建立。這些基礎設施問題相互鉗制，使得觸覺靈巧操作無法大規模落地。 破曉智能因此不僅停留在模型研發層面，同時正在搭建面向人類操作的多模態數據採集平臺，目標是低成本、無感便攜、覆蓋全場景，將第一人稱視覺、腕部視角、手部姿態、全掌觸覺、全身姿態同步收入同一系統。只有當高質量觸覺數據的獲取變得足夠便捷，TouchAnything對觸覺的恢復、TouchWorld對接觸的預測與控制才能真正發揮規模效應。 ## 總結

從“看見世界”到“理解接觸世界”，觸覺正在被補上。破曉智能的首次亮相傳遞了一個鮮明判斷：機器人基礎模型的下一個能力分層，就是觸覺。而讓機器人真正知道自己碰到了什麼，是衝破黎明前黑暗的第一步。 隨著人形機器人向家庭服務、精細工業等真實場景滲透，單純依靠視覺和語言的感知基座將愈顯不足。觸覺數據的規模化採集與觸覺世界模型的持續進化，正逐步把“手感”嵌入機器人的操作內核。楊朔和破曉智能選擇從這條路出發：先解決數據，再對齊模態，最後讓觸覺成為機器人身體的一部分。