今日研究机构披露主要行业研究效果李书福现场“挑战”张雪 很兴奋为您解答这个问题，，让我来帮您详细说明一下。。。。。品牌授权报修电话，，快速上门服务

山西省长治市襄垣县山西省忻州市定襄县昌平区延寿镇广东省云浮市新兴县辽宁省铁岭市清河区山西省临汾市安泽县内蒙古鄂尔多斯市康巴什区广东省汕头市龙湖区四川省成都会新都区鹿泉区寺家庄镇江西省景德镇市昌江区伊犁哈萨克自治州昭苏县北辰区山东省威海市山西省晋中市榆社县四川省乐山市乌鲁木齐市沙依巴克区江西省宜春市奉新县广东省云浮市新兴县青秀区新乐市协神乡江苏省徐州市新沂市黑龙江省绥化市明水县重庆市市辖区北碚区许昌市建安区福建省莆田市仙游县黑龙江省佳木斯市汤原县山西省吕梁市中阳县吉林省长春市双阳区甘肃省兰州市平顶山市湛河区江苏省镇江市句容市博尔塔拉蒙古自治州温泉县湖北省孝感市汉川市百色市田林县塔城地区和布克赛尔蒙古自治县江苏省徐州市井陉县吴家窑乡湖北省宜昌市秭归县赵县沙河店镇四川省凉山彝族自治州甘洛县平山县宅北乡赵县沙河店镇陕西省宝鸡市千阳县马鞍山市博望区山东省枣庄市台儿庄区山西省忻州市宁武县福建省南平市建瓯市清静区南市街道四川省成都会金牛区黑龙江省佳木斯市汤原县山东省威海市贵州省铜仁市玉屏侗族自治县贵州省黔东南苗族侗族自治州天柱县西城区天桥街道辽宁省辽阳市白塔区南阳市内乡县四川省成都会双流区和田地区江西省宜春市宜丰县广东省广州市越秀区向阳区豆各庄地区甘肃省甘南藏族自治州南开区体育中心街道焦作市中站区内蒙古鄂尔多斯市鄂托克旗江西省吉安市永新县四川省凉山彝族自治州昭觉县江西省萍乡市上栗县向阳区双井街道长安区南村镇内蒙古兴安盟乌兰浩特市辽宁省向阳市北票市密云区河南寨镇湖北省宜昌市秭归县喀什地区叶城县向阳区小红门地区桥西区留营街道云南省红河哈尼族彝族自治州绿春县丰台区右安门街道江苏省苏州市相城区西藏拉萨市达孜区山西省忻州市宁武县青海省果洛藏族自治州江苏省徐州市南开区体育中心街道桥西区东华街道乌鲁木齐市沙依巴克区山东省烟台市龙口市内蒙古锡林郭勒盟镶黄旗陕西省汉中市西乡县黑龙江省佳木斯市汤原县云南省丽江市宁蒗彝族自治县吉林省白山市浑江区云南省红河哈尼族彝族自治州绿春县山西省忻州市定襄县静海区大邱庄镇西城区月坛街道丰台区宛平城地区向阳区酒仙桥街道

刚刚研究机构果真最新效果李飞飞、Jim Fan、徐丹飞联手，，给具身智能指了一条新路，，很兴奋为您解答这个问题，，让我来帮您详细说明一下:官方服务专线，，支持多品牌报修

顺义区空港街道广东省珠海市斗门区贵州省黔南布依族苗族自治州惠水县向阳区酒仙桥街道贵州省黔南布依族苗族自治州惠水县黑龙江省佳木斯市富锦市北辰区广源街道湖北省宜昌市宜都会四川省成都会新都区平山县小觉镇山东省聊都会茌平区桂林市秀峰区密云区古北口镇防城港市东兴市西青区精武镇辽宁省沈阳市浑南区怀柔区雁栖地区怀柔区龙山街道重庆市市辖区北碚区四川省宜宾市翠屏区西藏山南市西城区天桥街道海南省儋州市元氏县贵州省铜仁市印江土家族苗族自治县贵州省铜仁市印江土家族苗族自治县静海区大邱庄镇黑龙江省伊春市金林区黑龙江省伊春市金林区蓟州区东施古镇山东省潍坊市青州市广东省云浮市新兴县焦作市贵州省铜仁市印江土家族苗族自治县江西省吉安市永新县昌平区阳坊镇洛阳市汝阳县新乐市协神乡河东区东新街道平山县小觉镇延庆区沈家营镇静海区西翟庄镇陕西省汉中市西乡县贵州省铜仁市印江土家族苗族自治县蓟州区官庄镇湖北省宜昌市秭归县淮南市大通区百色市田林县武清区上马台镇隆安县陕西省汉中市留坝县云南省怒江傈僳族自治州福贡县贵州省六盘水市水城县江苏省南通市启东市贵州省六盘水市水城县清静区南市街道福建省厦门市湖里区北辰区宝坻区牛家牌镇北辰区广源街道山东省泰安市东平县丰台区长辛店镇丰台区长辛店镇辽宁省向阳市北票市云南省大理白族自治州云龙县西城区月坛街道江苏省徐州市新沂市黑龙江省七台河市桃山区山西省晋中市榆社县海南省海？？？谑忻览记蕉ド绞形蓝诹〖涯舅故懈唤跏泻戏适新羟魇∮ヌ妒杏嘟赡省向阳市北票市淮南市大通区江苏省徐州市新沂市黑龙江省伊春市金林区海南省海？？？谑忻览记魇「又菔惺窍厣虾Ｊ惺邢角味ㄇ谷录易蛟颇鲜∥纳阶匙迕缱遄灾沃莨隳舷叵蜓羟茏厍愣』葜菔辛畔毓笾菔⊥适杏衿炼弊遄灾蜗厣轿魇〗蓟岣咂绞星嗪Ｊ『Ｎ髅晒抛宀刈遄灾沃莸铝罟市陕西省宝鸡市千阳县山东省枣庄市台儿庄区元氏县南开区体育中心街道辽宁省沈阳市江苏省徐州市新沂市北辰区广源街道江西省萍乡市上栗县河西区桃园街道桥西区东华街道西藏山南市西藏阿里地区日土县

全球服务区域:四川省广元市广东省汕头市南澳县四川省宜宾市江安县江西省赣州市石城县濮阳市南乐县江西省吉安市吉安县平顶山市卫东区福建省漳州市龙海市黑龙江省大兴安岭地区呼玛县元氏县辽宁省铁岭市开原市云南省怒江傈僳族自治州福贡县赵县沙河店镇云南省玉溪市新平彝族傣族自治县四川省德阳市广汉市江苏省镇江市句容市焦作市中站区江苏省徐州市辽宁省向阳市北票市芜湖市南陵县山东省聊都会茌平区怀柔区宝山镇蚌埠市龙子湖区长安区广安街道云南省丽江市宁蒗彝族自治县广东省汕头市龙湖区北辰区广源街道昌平区回龙观街道黑龙江省佳木斯市富锦市四川省广元市山西省晋都会高平市海南省三沙市西沙区江苏省徐州市丰县内蒙古乌海市乌达区喀什地区叶城县蓟州区官庄镇延庆区沈家营镇行唐县龙州镇福建省厦门市湖里区向阳区双井街道福建省南平市湖北省恩施土家族苗族自治州建始县顺义区空港街道四川省遂宁市蓬溪县静海区大邱庄镇山西省运都会夏县银川市贺兰县向阳区管庄地区山东省聊都会茌平区焦作市云南省红河哈尼族彝族自治州泸西县丰台区右安门街道吉林省长春市双阳区广东省汕头市南澳县四川省甘孜藏族自治州井陉县测鱼镇福建省南平市建瓯市福建省福州市罗源县向阳区双井街道山西省运都会夏县元氏县殷村镇辽宁省辽阳市白塔区向阳区管庄地区湖北省宜昌市秭归县江苏省镇江市句容市福建省漳州市龙海市陕西省宝鸡市千阳县平顶山市湛河区许昌市建安区西藏阿里地区日土县四川省广元市海淀区青龙桥街道武清区汊沽港镇四川省泸州市江阳区黑龙江省鹤岗市四川省成都会双流区无极县大陈镇阿克苏地区拜城县宝坻区牛家牌镇蓟州区东赵各庄镇蓟州区东施古镇重庆市县巫山县海南省海？？？谑忻览记愣」阒菔性叫闱拇ㄊ〕啥蓟嵝露记帐⌒熘菔行乱适心诿晒哦醵嗨故锌蛋褪睬＝ㄊ「Ｖ菔杏捞┫馗＝ㄊ「Ｖ菔杏捞┫厮拇ㄊ°蛑菔薪羟赡省沈阳市沈河区陕西省汉中市留坝县平山县上观音堂乡乌鲁木齐市沙依巴克区平顶山市湛河区怀柔区雁栖地区福建省福州市永泰县吉林省白山市浑江区山东省淄博市临淄区丰台区右安门街道

今日行业报告宣布最新动态李飞飞、Jim Fan、徐丹飞联手，，给具身智能指了一条新路，，很兴奋为您解答这个问题，，让我来帮您详细说明一下:售后服务维修中心电话，，支持多渠道服务

天下服务区域：福建省莆田市城厢区湖北省宜昌市宜都会山西省忻州市宁武县青海省海南藏族自治州贵德县黑龙江省大兴安岭地区呼玛县哈密市伊吾县蚌埠市龙子湖区陕西省宝鸡市千阳县山东省滨州市云南省玉溪市新平彝族傣族自治县陕西省宝鸡市千阳县密云区不老屯镇焦作市沁阳市向阳区管庄地区蓟州区东施古镇井陉县吴家窑乡青秀区福建省厦门市湖里区北海市海城区辽宁省铁岭市开原市丰台区和义街道江苏省镇江市句容市南阳市内乡县密云区古北口镇北辰区广源街道湖北省恩施土家族苗族自治州恩施市江西省九江市武宁县平顶山市卫东区密云区高岭镇北辰区广源街道西藏山南市贡嘎县山西省晋中市榆社县四川省凉山彝族自治州昭觉县辽宁省沈阳市浑南区昌平区延寿镇广东省广州市越秀区怀柔区龙山街道湖北省宜昌市西陵区门头沟区大峪街道平山县宅北乡湖北省襄阳市襄州区山西省朔州市山阴县南开区体育中心街道银川市贺兰县山西省长治市襄垣县四川省乐山市内蒙古锡林郭勒盟镶黄旗向阳区豆各庄地区焦作市沁阳市江苏省南通市启东市江西省吉安市永新县许昌市建安区云南省怒江傈僳族自治州福贡县海南省儋州市百色市靖西市湖北省宜昌市宜都会广东省汕头市南澳县蓟州区东赵各庄镇蓟州区官庄镇平山县东回舍镇山东省枣庄市台儿庄区四川省成都会新都区陕西省汉中市西乡县山东省青岛市城阳区西藏山南市贡嘎县黑龙江省绥化市明水县江西省萍乡市上栗县内蒙古鄂尔多斯市鄂托克旗元氏县殷村镇丰台区宛平城地区四川省成都会金牛区陕西省汉中市西乡县山西省吕梁市中阳县山西省晋中市灵石县福建省漳州市龙海市陕西省汉中市西乡县内蒙古鄂尔多斯市鄂托克旗江西省九江市武宁县门头沟区大峪街道新乐市协神乡广东省汕头市南澳县江苏省徐州市丰县平顶山市湛河区向阳区双井街道塔城地区和布克赛尔蒙古自治县四川省凉山彝族自治州昭觉县广东省深圳市福建省三明市梅列区蓟州区官庄镇内蒙古呼伦贝尔市阿荣旗四川省成都会新都区大兴区丰台区和义街道北辰区合肥市瑶海区平山县岗南镇清静区南市街道内蒙古乌海市乌达区密云区高岭镇长安区南村镇

售后服务上门服务电话，，智能分配票据：李飞飞、Jim Fan、徐丹飞联手，，给具身智能指了一条新路

2026年炎天，，机械人圈被一个近乎“玄色诙谐”的实验效果炸开了锅。。。。。

一支由斯坦福教授李飞飞、英伟达具身智能认真人Jim Fan、佐治亚理工学院助理教授徐丹飞领衔，，联合Pieter Abbeel、Jitendra Malik、Ken Goldberg、Trevor Darrell等多位顶尖学者的“超等团队”，，在一项消融比照实验中遇到了一个百思不得其解的征象。。。。。

他们在一个名为π0.5的行业经典模子上做了一件看似理所虽然的事——把触觉信号作为特殊信息输入给模子。。。。。按常理，，多一种感知应该多一分精准。。。。。效果却令人瞠目：据论文中的消融实验显示，，使命乐成率从17%骤降至6%。。。。。

加了触觉，，机械人反而“不会干活”了。。。。。

这个反常效果，，像一记耳光打在了整个具身智能行业的脸上。。。。。已往几年，，业界的主流做法是把一切感知信息——视觉、语言、触觉——一切转成统一种名堂塞进统一个大模子里，，相信“数据多了自然智能涌现”。。。。。T-Rex论文用一组酷寒的数据证实：这条路，，可能从一最先就走偏了。。。。。

触觉为什么成了“猪队友”？？？？

问题出在那里？？？？论文作者们给出了一个精练而有力的诊断：频率错配。。。。。

据论文及相关手艺解读，，视觉是一种“慢感知”。。。。。摄像头以约莫每秒5帧的频率扫描天下，，提供的是稳固的场景语义——知道物体在那里、长什么样。。。。。但触觉是一种“快感知”。。。。。当指尖接触到物体的瞬间，，压力、滑动、形变等信息以毫秒为单位转变，，触觉反馈自然需要在每秒20次甚至更高的频率下才华施展作用。。。。。

打个例如：这就像让一个长跑运发动（视觉）和一个短跑运发动（触觉）在统一条跑道上以同样的速率跑步。。。。。长跑运发动以为节奏太快跟不上，，短跑运发动以为节奏太慢憋得慌。。。。。把这两种时间标准完全差别的信号强行塞进统一个以低频运行的Transformer里，，效果不是“1+1=2”，，而是“1+1<1”——触觉的高频优势施展不出来，，反而把视觉已经学好的表征搅得一团糟。。。。。

换句话说，，不是触觉没用，，是用错了地方。。。。。

面临这个结构性矛盾，，研究团队没有在原有框架上修修补补，，而是选择推倒重来。。。。。

他们提出了一套名为T-Rex的全新框架。。。。。T-Rex既是“触觉反映式灵巧操作”（Tactile-Reactive Dexterous Manipulation）的缩写，，也暗合“霸王龙”之意——虽然霸王龙的前肢短小，，但这篇论文要解决的，，正是一双灵巧手怎样真正“感知”天下。。。。。

T-Rex的焦点思绪可以概括为一句话：别再让触觉和视觉抢统一条算力通道了，，给它单独开发一条自力的高速公路。。。。。

详细怎么实现？？？？论文提出了一套混淆Transformer专家架构（Mixture-of-Transformers，，MoT） 。。。。。所谓“混淆”，，是把机械人的控制权拆解给三位各司其职的专家；；；；；所谓“变速率”，，是让三位专家各跑各的时钟频率，，互不滋扰。。。。。MoT中的“M”恰恰同时代表了这两层寄义。。。。。

第一位专家认真“看路”和“预判”——它叫潜在专家。。。。。 它的使命是处理视觉和语言信息，，展望“接下来场景会酿成什么样”，，为后续行动提供时间上的上下文。。。。。说白了，，它在提前想好下一步会爆发什么。。。。。

第二位专家认真“画草图”——它叫行动专家。。。。。 它从一片“噪声”最先，，通过一步步去噪，，天生一个大致的行动走向——“手往这个偏向移动”。。。。。这个模？？？榈脑诵衅德试寄敲棵5次，，对应视觉感知的自然节奏。。。。。

第三位专家认真“微调”——它叫触觉专家。。。。。 它不加入前期的全局妄想，，只在接触爆发的瞬间启动，，以每秒20次以上的高频实时读取指尖传来的力和形变信号，，在行动专家画好的“草图”上做毫秒级的细腻修正——“力道轻一点”“往左偏一毫米”。。。。。

三个专家的协同流程是这样的：行动专家先跑完前几步，，画出一张行动草图；；；；；触觉专家从某其中心节点接手，，使用最新的触觉数据完成剩余方法的精化。。。。。行动专家认真“低频去噪”，，触觉专家认真“高频精化” 。。。。。潜在专家全程“看路”，，为两者提供视觉上下文。。。。。三位专家各跑各的时钟，，各司其职，，最后协同输出完整的行动。。。。。

T-Rex 的 Mixture-of-Transformer-Experts（MoT）架构。。。。。（图片泉源：T-Rex）

为了让触觉专家真正“读懂”触觉信号，，论文还专门设计了一套时空触觉编码器。。。。。焦点是一个VQ-VAE模？？？椤憧梢园阉魅肺桓觥胺牍佟，，把已往十几帧的时序力数据压缩成离散的“触觉词汇”，，既能捕获力的转变趋势，，又能反抗传感器的信号漂移。。。。。这样一来，，触觉专家吸收到的就是一套标准化的“触觉语言”，，而非杂乱无章的原始信号。。。。。

这套设计的实质，，就是给高频触觉信号辟出一条自力的通道，，不让它被低频的视觉节奏拖累。。。。。 三个专家各跑各的频率，，各管各的事，，互不滋扰，，最后再协同输出一个完整的行动——既保存了视觉对全局的把控，，又彻底释放了触觉在接触瞬间的迅速反映能力。。。。。

数据层面同样下足了功夫。。。。。团队构建了一个100小时的触觉同步数据集，，涵盖200多种日常物品、22种行动基元（抓取、挤压、插入、擦拭、折叠等）、7700多条运动轨迹。。。。。与古板做法差别，，这个数据集不是针对某个特定使命录制的，，而是围绕“行动×物体”的组合来组织——22个行动搭配200多种物品，，通过排列组合笼罩尽可能多样的接触场景。。。。。这让模子学到的是通用的触觉-行动对应关系，，而非死记硬背特定使命的模板。。。。。

训练战略同样极具条理感。。。。。团队先用22,889小时的人类第一视角视频举行大规模预训练，，让模子明确人类的手部交互模式；；；；；再用上述100小时的机械人触觉数据举行跨模态对齐；；；；；最后仅需少量特定使命树模即可完成专项能力的激活。。。。。这种渐进式训练的利益是，，触觉能力不需要重新学起，，而是在视觉运动先验已经建设之后，，以相对少的数据“嫁接”进来。。。。。

12项“刁难级”使命，，30个百分点的跨越

这套架构究竟有没有用？？？？论文在12项专门为“刁难”机械人而设计的细腻操作使命上举行了严苛测试——翻书页、转移生鸡蛋、擦盘子、挤牙膏、分纸杯、分拣麻将、开锁、填药盒、模拟化学滴定、抽卡片、发扑克牌、拧灯胆。。。。。每一项都要求机械人对接触力举行动态的、即时的调理。。。。。

T-Rex 完成翻书等接触麋集型使命（图片泉源：T-Rex）

最终效果令人振奋：T-Rex相较此前最强的基线模子，，在这12项使命上取得了凌驾30%的平均乐成率提升。。。。。在翻书页、分纸杯等对力度极为敏感的使命中，，T-Rex的体现从“险些不可用”跃升到了“起源具备适用价值”。。。。。

进一步的消融实验反向印证了设计的精妙：一旦切除所有触觉输入通道，，系统乐成率泛起断崖式下跌；；；；；而若是强行作废异步运行机制，，让触觉被迫降频与视觉同步，，性能同样会显著劣化。。。。。这恰恰说明，，T-Rex的乐成并非纯粹来自“加了触觉”，，而是来自“用对了触觉”——给它自力的节奏、自力的通道、自力的处理逻辑。。。。。

T-Rex这篇论文的价值，，远不止于一组漂亮的实验数据。。。。。它用一个极具说服力的反例，，向整个具身智能行业发出了一个明确的警示信号：

“万物皆token、一切进大模子”的通用范式，，并不自然适用于所有感知模态。。。。。

视觉和语言是“慢变量”，，适合放在统一个重大的Transformer里做全局关联推理；；；；；但触觉是“快变量”，，它关乎物理接触和即时反馈，，需要单独的高频闭环控制回路。。。。。强行把两者塞进统一个模子，，效果不是融合，，而是污染。。。。。

这让人遐想到神经科学中经典的双流假说——视觉腹侧通路认真“识别是什么”，，背侧通路认真“指导怎么做”。。。。。T-Rex的混淆专家架构，，某种水平上是在机械人身上复刻了这种生物演化的高级智慧。。。。。

虽然，，论文也坦诚了目今的局限性：关于需要数秒级连贯协调的重大操作，，纯粹的行为克隆仍受限于树模数据的笼罩度；；；；；目今触觉感知仅限于指尖而非全手掌，，且传感器标定与漂移问题仍是工程痛点。。。。。但这些属于“生长中的懊恼”，，并不故障T-Rex所确立的范式意义。。。。。

这篇论文转达的焦点信息已经无比清晰：别再让机械人光靠“瞪大眼睛看”来干活了，，是时间让它们学会“伸脱手去摸”。。。。。 触觉不应是视觉的附庸，，而应是一条自力的、与视觉平起平坐的物理感知通道。。。。。

谁人“17%跌到6%”的反常实验，，或许正是机械人从“望见天下”走向“感知天下”的要害转折点。。。。。（本文首发钛媒体APP，，作者 | 硅谷Tech-news，，编辑 | 赵虹宇）

今日研究机构果真新政策李飞飞、Jim Fan、徐丹飞联手，，给具身智能指了一条新路

2026年炎天，，机械人圈被一个近乎“玄色诙谐”的实验效果炸开了锅。。。。。

一支由斯坦福教授李飞飞、英伟达具身智能认真人Jim Fan、佐治亚理工学院助理教授徐丹飞领衔，，联合Pieter Abbeel、Jitendra Malik、Ken Goldberg、Trevor Darrell等多位顶尖学者的“超等团队”，，在一项消融比照实验中遇到了一个百思不得其解的征象。。。。。

他们在一个名为π0.5的行业经典模子上做了一件看似理所虽然的事——把触觉信号作为特殊信息输入给模子。。。。。按常理，，多一种感知应该多一分精准。。。。。效果却令人瞠目：据论文中的消融实验显示，，使命乐成率从17%骤降至6%。。。。。

加了触觉，，机械人反而“不会干活”了。。。。。

这个反常效果，，像一记耳光打在了整个具身智能行业的脸上。。。。。已往几年，，业界的主流做法是把一切感知信息——视觉、语言、触觉——一切转成统一种名堂塞进统一个大模子里，，相信“数据多了自然智能涌现”。。。。。T-Rex论文用一组酷寒的数据证实：这条路，，可能从一最先就走偏了。。。。。

触觉为什么成了“猪队友”？？？？

问题出在那里？？？？论文作者们给出了一个精练而有力的诊断：频率错配。。。。。

据论文及相关手艺解读，，视觉是一种“慢感知”。。。。。摄像头以约莫每秒5帧的频率扫描天下，，提供的是稳固的场景语义——知道物体在那里、长什么样。。。。。但触觉是一种“快感知”。。。。。当指尖接触到物体的瞬间，，压力、滑动、形变等信息以毫秒为单位转变，，触觉反馈自然需要在每秒20次甚至更高的频率下才华施展作用。。。。。

打个例如：这就像让一个长跑运发动（视觉）和一个短跑运发动（触觉）在统一条跑道上以同样的速率跑步。。。。。长跑运发动以为节奏太快跟不上，，短跑运发动以为节奏太慢憋得慌。。。。。把这两种时间标准完全差别的信号强行塞进统一个以低频运行的Transformer里，，效果不是“1+1=2”，，而是“1+1<1”——触觉的高频优势施展不出来，，反而把视觉已经学好的表征搅得一团糟。。。。。

换句话说，，不是触觉没用，，是用错了地方。。。。。

面临这个结构性矛盾，，研究团队没有在原有框架上修修补补，，而是选择推倒重来。。。。。

他们提出了一套名为T-Rex的全新框架。。。。。T-Rex既是“触觉反映式灵巧操作”（Tactile-Reactive Dexterous Manipulation）的缩写，，也暗合“霸王龙”之意——虽然霸王龙的前肢短小，，但这篇论文要解决的，，正是一双灵巧手怎样真正“感知”天下。。。。。

T-Rex的焦点思绪可以概括为一句话：别再让触觉和视觉抢统一条算力通道了，，给它单独开发一条自力的高速公路。。。。。

详细怎么实现？？？？论文提出了一套混淆Transformer专家架构（Mixture-of-Transformers，，MoT） 。。。。。所谓“混淆”，，是把机械人的控制权拆解给三位各司其职的专家；；；；；所谓“变速率”，，是让三位专家各跑各的时钟频率，，互不滋扰。。。。。MoT中的“M”恰恰同时代表了这两层寄义。。。。。

第一位专家认真“看路”和“预判”——它叫潜在专家。。。。。 它的使命是处理视觉和语言信息，，展望“接下来场景会酿成什么样”，，为后续行动提供时间上的上下文。。。。。说白了，，它在提前想好下一步会爆发什么。。。。。

第二位专家认真“画草图”——它叫行动专家。。。。。 它从一片“噪声”最先，，通过一步步去噪，，天生一个大致的行动走向——“手往这个偏向移动”。。。。。这个模？？？榈脑诵衅德试寄敲棵5次，，对应视觉感知的自然节奏。。。。。

第三位专家认真“微调”——它叫触觉专家。。。。。 它不加入前期的全局妄想，，只在接触爆发的瞬间启动，，以每秒20次以上的高频实时读取指尖传来的力和形变信号，，在行动专家画好的“草图”上做毫秒级的细腻修正——“力道轻一点”“往左偏一毫米”。。。。。

三个专家的协同流程是这样的：行动专家先跑完前几步，，画出一张行动草图；；；；；触觉专家从某其中心节点接手，，使用最新的触觉数据完成剩余方法的精化。。。。。行动专家认真“低频去噪”，，触觉专家认真“高频精化” 。。。。。潜在专家全程“看路”，，为两者提供视觉上下文。。。。。三位专家各跑各的时钟，，各司其职，，最后协同输出完整的行动。。。。。

T-Rex 的 Mixture-of-Transformer-Experts（MoT）架构。。。。。（图片泉源：T-Rex）

为了让触觉专家真正“读懂”触觉信号，，论文还专门设计了一套时空触觉编码器。。。。。焦点是一个VQ-VAE模？？？椤憧梢园阉魅肺桓觥胺牍佟，，把已往十几帧的时序力数据压缩成离散的“触觉词汇”，，既能捕获力的转变趋势，，又能反抗传感器的信号漂移。。。。。这样一来，，触觉专家吸收到的就是一套标准化的“触觉语言”，，而非杂乱无章的原始信号。。。。。

这套设计的实质，，就是给高频触觉信号辟出一条自力的通道，，不让它被低频的视觉节奏拖累。。。。。 三个专家各跑各的频率，，各管各的事，，互不滋扰，，最后再协同输出一个完整的行动——既保存了视觉对全局的把控，，又彻底释放了触觉在接触瞬间的迅速反映能力。。。。。

数据层面同样下足了功夫。。。。。团队构建了一个100小时的触觉同步数据集，，涵盖200多种日常物品、22种行动基元（抓取、挤压、插入、擦拭、折叠等）、7700多条运动轨迹。。。。。与古板做法差别，，这个数据集不是针对某个特定使命录制的，，而是围绕“行动×物体”的组合来组织——22个行动搭配200多种物品，，通过排列组合笼罩尽可能多样的接触场景。。。。。这让模子学到的是通用的触觉-行动对应关系，，而非死记硬背特定使命的模板。。。。。

训练战略同样极具条理感。。。。。团队先用22,889小时的人类第一视角视频举行大规模预训练，，让模子明确人类的手部交互模式；；；；；再用上述100小时的机械人触觉数据举行跨模态对齐；；；；；最后仅需少量特定使命树模即可完成专项能力的激活。。。。。这种渐进式训练的利益是，，触觉能力不需要重新学起，，而是在视觉运动先验已经建设之后，，以相对少的数据“嫁接”进来。。。。。

12项“刁难级”使命，，30个百分点的跨越

这套架构究竟有没有用？？？？论文在12项专门为“刁难”机械人而设计的细腻操作使命上举行了严苛测试——翻书页、转移生鸡蛋、擦盘子、挤牙膏、分纸杯、分拣麻将、开锁、填药盒、模拟化学滴定、抽卡片、发扑克牌、拧灯胆。。。。。每一项都要求机械人对接触力举行动态的、即时的调理。。。。。

T-Rex 完成翻书等接触麋集型使命（图片泉源：T-Rex）

最终效果令人振奋：T-Rex相较此前最强的基线模子，，在这12项使命上取得了凌驾30%的平均乐成率提升。。。。。在翻书页、分纸杯等对力度极为敏感的使命中，，T-Rex的体现从“险些不可用”跃升到了“起源具备适用价值”。。。。。

进一步的消融实验反向印证了设计的精妙：一旦切除所有触觉输入通道，，系统乐成率泛起断崖式下跌；；；；；而若是强行作废异步运行机制，，让触觉被迫降频与视觉同步，，性能同样会显著劣化。。。。。这恰恰说明，，T-Rex的乐成并非纯粹来自“加了触觉”，，而是来自“用对了触觉”——给它自力的节奏、自力的通道、自力的处理逻辑。。。。。

T-Rex这篇论文的价值，，远不止于一组漂亮的实验数据。。。。。它用一个极具说服力的反例，，向整个具身智能行业发出了一个明确的警示信号：

“万物皆token、一切进大模子”的通用范式，，并不自然适用于所有感知模态。。。。。

视觉和语言是“慢变量”，，适合放在统一个重大的Transformer里做全局关联推理；；；；；但触觉是“快变量”，，它关乎物理接触和即时反馈，，需要单独的高频闭环控制回路。。。。。强行把两者塞进统一个模子，，效果不是融合，，而是污染。。。。。

这让人遐想到神经科学中经典的双流假说——视觉腹侧通路认真“识别是什么”，，背侧通路认真“指导怎么做”。。。。。T-Rex的混淆专家架构，，某种水平上是在机械人身上复刻了这种生物演化的高级智慧。。。。。

虽然，，论文也坦诚了目今的局限性：关于需要数秒级连贯协调的重大操作，，纯粹的行为克隆仍受限于树模数据的笼罩度；；；；；目今触觉感知仅限于指尖而非全手掌，，且传感器标定与漂移问题仍是工程痛点。。。。。但这些属于“生长中的懊恼”，，并不故障T-Rex所确立的范式意义。。。。。

这篇论文转达的焦点信息已经无比清晰：别再让机械人光靠“瞪大眼睛看”来干活了，，是时间让它们学会“伸脱手去摸”。。。。。 触觉不应是视觉的附庸，，而应是一条自力的、与视觉平起平坐的物理感知通道。。。。。

谁人“17%跌到6%”的反常实验，，或许正是机械人从“望见天下”走向“感知天下”的要害转折点。。。。。（本文首发钛媒体APP，，作者 | 硅谷Tech-news，，编辑 | 赵虹宇）

二、当值向导：凭祥海关党委书记、关长唐多。。。。。

凯时AG

李书福现场“挑战”张雪