北京
2026年夏天，一组对照实验悄然颠覆了智能机器人领域的底层假设。
斯坦福大学教授李飞飞、英伟达具身智能负责人Jim Fan、佐治亚理工学院助理教授许丹飞，联合自动化领域顶尖学者Pieter Abbeel、Jitendra Malik、Ken Goldberg和Trevor Darrell，在测试行业经典AI模型π₀.₅时遭遇了一次令人瞠目的失败。研究者尝试了一个看似理所当然的优化方案：将连续的数字化触觉数据与现有视觉输入一同输入系统。这套逻辑符合现代软件工程的主流思路——给机器喂更多数据，操作精度自然会更高。
实验结果却指向了完全相反的方向。任务成功率从17%暴跌至6%。触觉反馈的加入非但没有带来突破，反而让机器人执行物理任务的能力大幅退化。
这个反直觉的结果给整个科技行业敲了一记警钟。多年来，主流范式一直是将视觉、语言、触觉等所有可用的感官流统统灌进同一个巨型神经网络。人们普遍相信，只要程序员输入足够多的原始数据，更高级的机器智能就会自然涌现。而这支研究团队发表的论文，通过引入名为T-Rex的分散式处理框架，用硬数据证明了这种单一管线架构存在结构性的缺陷。相关消息显示，论文共同作者中还包括Sergey Levine、Chelsea Finn等知名学者。
操作失败的根本原因，在于不同机器感官之间存在严重的时序错配。视觉是一个慢速的宏观变量，标准数码相机大约以每秒5帧的速率扫描环境，提供关于物体位置和外观的稳定上下文。而触觉是一个高频的动态变量。机械手指接触物体表面的那一毫秒，摩擦力、压力、材料形变等变量瞬间发生改变。要完成精细操作，触觉反馈必须以20赫兹以上的频率处理数据。
把这两种时间尺度天差地别的信号强行塞进同一个AI模型，会制造严重的数据污染。触觉的高频分辨率被相机较慢的处理速度消音，而触觉反馈的高速涌入又反过来扰乱机器已经学到的稳定视觉表征。两种感官非但没能形成多模态协奏，反而相互污染，拖垮了整体机械表现。
意识到这一核心架构冲突后，研究团队绕过了小修小补的软件补丁，选择彻底重写控制架构。他们开发出T-Rex，全称Tactile-Reactive Dexterous Manipulation，即触觉反应式灵巧操作。T-Rex的核心思路直截了当：不再强迫视觉和触觉共享同一个神经网络通道。
在T-Rex框架下，视觉负责它最擅长的事——大范围的场景理解和低频轨迹规划。而触觉被解放出来，在独立的处理回路上以毫秒级速度做出反应。当机械手指接触物体表面的瞬间，触觉信号不需要经过视觉处理管线的排队等待，直接触发相应的力度调整或姿态微调。这个架构设计让不同速度的感官各司其职，从根本上消除了数据互扰的问题。
研究人员表示，这一发现的意义远超机器人抓取本身。它指向了一个更广泛的行业误区：把多模态数据不加区分地堆进同一个模型，不等于智能的升级，反而可能是一种降级。感官融合需要的是结构性的协同，而不是数据管道里的强行混合。这个结论对正在疯狂追逐更大模型、更多模态的科技公司而言，无疑是一剂清醒剂。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
