IEEE深度专访：机器人学泰斗王煜断言VLA架构难撑落地，触觉数据才是具身智能破局关键

2026年，“数据”正成为具身智能领域竞赛的新焦点，京东、百度等科技巨头纷纷入局。然而，在喧嚣背后，一个根本性问题依然悬而未决：究竟什么样的数据，才是具身智能真正需要的？

近日，全球最大的工程与应用科学专业组织IEEE（电气电子工程师学会）旗下的旗舰出版物IEEE Spectrum，对机器人学家王煜进行了一次深度专访。

这位深耕机器人领域近40年的学者给出了自己的判断：当前主流的VLA（视觉-语言-动作）架构，不足以支撑机器人真正实现落地应用。包含物理交互信息的数据，才是机器人理解现实世界、实现稳定操作的关键所在。

上世纪80年代，作为中国首批公派留学生，王煜进入卡内基梅隆大学机器人研究所，成为时任所长Matt Mason教授招收的第一位博士生，专攻机器人抓取力学与操作规划——这正是当下具身智能操作能力的学术源头。他曾先后在多所院校任教，并与李泽湘共同创办香港科技大学机器人研究院，培养了大批活跃于今日产业一线的人才。

王煜被斯坦福大学评为全球前2%顶尖科学家，并以IEEE机器人与自动化协会管理委员会唯一代表中国机构的学者身份，持续在国际具身智能领域传递中国声音。

从液压到电动、从工业到生活场景，再到如今的人工智能时代，王煜亲历了现代机器人学的每一次范式转换。因此，他对当下狂热中的思考，格外值得倾听。

在王煜看来，机器人下一个亟待解锁的能力是“操作”（manipulation），且时机已日趋成熟。

如今机器人能完成惊艳的演示，却仍难以在真实环境中自主感知、决策并稳定执行操作。根本原因在于对视觉的过度依赖——当机器人尝试拿起一只玻璃杯、采摘一颗草莓、插拔一根电线时，视觉只能告诉它“物体在哪儿”，却无法告知它力度是否恰当、角度是否到位、操作是否完成。

材质、摩擦、接触力、形变——这些决定操作成败的物理反馈信息，恰恰是视觉的盲区，也是机器人操作中长期缺失的一环。

王煜认为，触觉是打开这扇大门的钥匙。触觉包含了接触力、接触状态、形变、纹理与材质等信息，能够填补视觉的盲区与错觉，让机器人从“识别物体”走向“理解物体、操控物体”。

基于这一判断，他与团队提出了VTLA（视觉-触觉-语言-动作）框架，在主流VLA架构中引入触觉，将其视作与视觉同等重要的感知模态。

王煜教授

这些主张并未停留在论文里。几年前，王煜与博士后段江哗共同创立“戴盟机器人”，将多年积累的触觉感知研究推向工程化落地。这家公司过去以含触觉感知的硬件研发闻名，2026年第一季度的营收已超过去年全年。

上个月，戴盟正式发布含触觉模态的物理世界具身数据集Daimon Infinity，并开源其中10000小时数据，正式入场眼下最热的具身数据赛道。

一位以“操作”为研究命题的学者，为何在此刻选择加入数据之争？这背后的判断，或许能让我们窥见未来几年的具身智能走向。

在这次专访中，王煜系统阐释了他对机器人操作、触觉感知、具身数据与物理AI的思考：为什么VLA架构会遭遇瓶颈？触觉数据为何被长期忽视，又为何不可或缺？所谓“物理智能”究竟意味着什么？作为一位见证了机器人学半个世纪发展的研究者，他如何看待人形机器人未来的可能性与边界？

以下为IEEE Spectrum专访王煜的译文，出于篇幅考虑略有删减：

提问：今年4月，戴盟机器人联合多家头部学术机构和企业，共同发布规模最大、最全面的具身操作数据集。为何选择现在发布数据集，而不是继续专注硬件开发？

王煜：随着具身智能的发展，越来越多人意识到数据的重要性：数据不足是目前具身智能发展的瓶颈，尤其是包含物理交互信息的数据，这将是提升机器人在现实世界操作能力的关键。数据的质量、可靠性和成本，已成为研发和商业落地需要重点关注的问题。

这恰好也是戴盟擅长的事。依托领先的视触觉技术，我们能够提供含多模态触觉的高质量数据——不仅包含接触力，还有接触形变、接触状态、滑移摩擦、物体材质与纹理等信息，完整还原物理交互的过程。基于过往的技术积累，我们也研发了数据处理管线，将触觉与视觉、动作轨迹、语音文本等模态精准融合，转化为模型训练可用的数据。面对行业的数据空缺，我想采集数据是我们戴盟能做好、也应该做的事情。

今年4月，戴盟发布含触觉全模态物理世界数据集Daimon-Infinity

提问：戴盟声称数据集年底能达到超百万小时规模，你们是如何做到这一点的？

王煜：我们打造了全球最大规模的外发式具身数据采集网络——依托于轻便化设备，数据采集不再局限于数采场，而是可以进入各类真实场景，不受空间限制，实现了低成本、跨场景、高度真实性的采集，从而具备了每年数百万小时数据的生产能力。

提问：Daimon-Infinity由多家机构联合发布，他们如何参与其中？

王煜：此次数据集，我们联合了全球数十家机构合作共建，包括北京大学、清华大学、香港科技大学等中国高校，以及DeepMind、美国西北大学、新加坡国立大学等全球顶尖研究团队，另外还有中国移动、汇川技术、上声电子等产业方。他们选择与戴盟合作，是对我们将触觉加入具身数据这一路线的认可。通过在科研、制造等实际场景下进行采集，这些合作方帮助我们收集到了高度真实、以实际场景为驱动的数据；反过来，他们将这些数据用于自己的模型训练。此外，我们开源了10000小时数据，希望含触觉的数据能推动更多具身模型的进化。

提问：目前机器人领域的主流范式是VLA模型，但戴盟团队提出了VTLA框架。为什么加入了触觉？

王煜：触觉信息对于机器人的操作能力至关重要，它能提供与物体接触时的物理反馈，引导机器人手进行可靠的操作。如果没有触觉，机器人可能无法在黑暗环境中判断物体的位置，可能因无法感知滑移状态而导致玻璃杯掉落，更有可能因为无法控制力度而导致操作任务失败，甚至造成损害。VLA已经不足以满足机器人操作的需求，因此我们扩展了框架，纳入触觉数据，创建了VTLA。重要的是，我们采用的视触觉感知技术，与VLA所基于的视觉框架非常契合。它捕捉指尖表面的形变，将触觉信息转化为视觉图像，并从中推断出力和其他接触状态——而图像数据天然适合集成到VLA中，这降低了框架扩展的门槛。

搭载视触觉传感器的夹爪，通过精准感知触觉，赋能精细操作

提问：您和团队开发了世界上首个单色光视触觉技术，为什么选择了这条技术路线？

王煜：从开始研究触觉感知时，我们就明确了自身需求：我们想要的是能够高度模拟人类指尖皮肤触觉的传感器。生理学研究已充分证实人类指尖所具备的能力——知道我们触摸了什么、是什么材质、力如何分布，以及当大脑控制手时，它是否移动到正确的位置。我们知道，在机器人手上复制这些能力将大有裨益。在调研现有技术时，我们发现了多种类型的触觉感知技术，包括三色光视触觉传感及其他更简单的设计。我们将这些技术的优势整合到一个解决方案中，使其在保持良好性能的同时又不会过于复杂，并将成本、可靠性和灵敏度控制在令人满意的范围内，最终研发了单色光视触觉技术。随着人们对触觉认知的日益加深，这些技术将携手并进。

全模态触觉信息，包含力/力矩、形状、材质、接触信息四大维度

提问：你们的视触觉传感器正是基于这一技术，相比传统触觉传感器有什么核心优势？

王煜：去年，我们发布了全球首款具备多维、高分辨率与高频率特性的视触觉传感器。在指尖大小的模块中，集成了多达 11 万个感知单元，这一密度目前处于行业最高水平。

另一个核心优势在于频率与带宽，也就是我们检测触觉变化、传输数据并实时处理信号的速度。其余优势主要涉及工程技术层面，例如可靠性、漂移控制、硅胶表面的耐用性，以及对电磁、光学及其他环境因素的抗干扰能力。

触觉的重要性正被越来越多人所认识，我们的视触觉传感器也因此获得了更广泛的应用。我相信，这将推动整个行业迈上一个新台阶。

我们有一位潜在客户，正在便利店内部署人形机器人。在货架密集的环境中，机器人需要伸入极狭窄的空间才能取出商品——人类至少需要三根纤细的手指才能完成这类抓取任务。这类场景让我们看到了对触觉功能的迫切需求。

戴盟视触觉传感器具备高感知单元密度

提问：戴盟目前的商业模式和战略重点是什么？数据集在其中扮演什么角色？

王煜：我们最初专注于制造高性能的触觉感知设备，尤其是安装在机器人手上的传感器。但随着具身智能的发展，大家逐渐认识到，行业需要的不仅仅是一个组件，而是完整的技术链条：包括设备、大规模高质量的数据，以及最终能在实际应用环境中构建、训练和部署机器人模型的框架。

如今，我们将自己的商业战略定位为“3D”：设备（Devices）、数据（Data）和部署（Deployment）。我们研发用于数据采集和构建触觉生态的设备，并通过在合作伙伴的应用场景中完成部署，实现含触觉数据的落地与闭环验证。在这个模式中，任何一个环节都不可或缺。

提问：您之前提出了“具身技能”的概念，认为这是人形机器人超越“仅拥有先进人工智能大脑”的关键。您为什么会提出这一观点？过去两年行业快速发展，您对具身技能的定义是否有所改变？

王煜：机器人的发展历程中，如今已进入电气、电子和机电一体化硬件技术融合的阶段，这是过去20年取得的巨大进步。由于硬件的快速发展，机器人现在完全采用电动驱动，不再需要液压系统。现代电子技术提供了高带宽和高扭矩，如果我们能将智能融入这些机械系统，就能创造出真正意义上的人形机器人——能够在非结构化环境中运行、决策并自主稳定地执行操作。

人工智能的出现恰逢其时，大量资源投入其中，尤其是大语言模型。它们如今被推广到世界模型中，赋能物理智能（physical AI）——我们希望这些能力最终能在现实世界中落地。目前研究重点更加明确，例如在家庭环境中，人们更倾向于使用人形机器人。这是一个令人兴奋的领域，如果我们最终能制造出安全、可靠且经济高效的机器人，它将为社会带来巨大的益处。

搭载了戴盟触觉感知技术的机器人在工厂线上部署

提问：机器人如今能进行令人印象深刻的演示，但距离真正进入实际应用仍存在差距。什么因素可能触发实际部署？哪些场景最有可能率先实现大规模部署？

王煜：我认为通用机器人的大规模部署之路仍然漫长，但我们已经看到特定领域的可行性。

这与自动驾驶汽车非常相似：无人驾驶出租车尚未全面部署，但移动机器人在酒店业已经得到广泛应用。在中国，几乎所有大型酒店都配备了送餐机器人——没有机械臂，只是一台从酒店大堂取外卖的小型机器人。外卖员只需放置食物并选择房间号，机器人便会自行导航、自行使用电梯，最终将食物送达客房。

酒店及餐厅的机器人，为其他场景的应用提供了范本，例如夜间药店和便利店。我预计在短期内，这些场所将全面部署人形机器人，并在之后扩展到其他领域。我们可以期待，在未来，包括人形机器人在内的自主机器人将逐步渗透到特定行业，为行业创造价值。

我们的愿景始终是让机器人实现强大的操控能力，并发展成为人类可靠的合作伙伴。未来，机器人或许会无缝融入我们的日常生活，真正造福并服务于人类。