智在无界发布隐式触觉世界模型 具身智能再进一步

7月28日，通用具身基础模型公司智在无界BeingBeyond，正式放出了全球首个隐式触觉世界动作模型Being-H0.8。它首次把触觉模态引入了大规模模型预训练环节——从此，机器人不再只靠眼睛“看”世界，还能像人一样，靠触摸去感知物体。这一步，实实在在拉近了具身智能与真实物理世界的距离。

你平时在视频里看到的机器人，大多只能靠摄像头“看”世界——视觉信息是它们判断环境的唯一依据。碰到软的海绵、硬的铁块、滑的玻璃杯，这类不同质感的东西，光靠眼睛看，很容易判断错力度：要么抓空了，要么用力太大，直接把东西捏碎了。Being-H0.8的核心突破，就在于此：它把触觉信息，和视觉、动作、未来状态变化，全部整合到了同一个隐空间里。模型能同时“看见”也“摸到”物体，像人一样理解不同东西的软硬、轻重、滑涩。

要训练出能真正理解触觉的模型，数据是关键。智在无界为此搭建了全新的人类交互数据库UniHand 3.0。这个数据库覆盖了日常自然物体交互、长时程连续任务、丰富的手部精细动作，还有各种各样的真实生活场景，总共有超过50万小时的第一人称交互视频数据。为了把数据库做得足够全面，智在无界还与数十家行业数据合作伙伴建立了深度合作，把不同场景下的真实交互数据全部收集进来——让模型见过足够多的真实操作案例。

以前的具身模型，大多只靠视觉数据训练——这就像一个人闭着一只手学做事情，很多靠触觉才能感知到的细节，它根本理解不了。比如，拿一个装了半杯水的玻璃杯——光靠眼睛看，你根本不知道杯子滑不滑、里面水有多重，没拿稳直接掉地上，太常见了。而训练了触觉数据的Being-H0.8，能从视觉画面里预判出这个物体的大致质感，自动调整抓取的力度：碰到滑的杯子，就加大一点握力；碰到软的面包，就放轻力度，不会把面包捏变形。

更关键的是，这款模型把视觉、触觉、动作和后续的状态变化全部打通了。机器人做完一个动作之后，能立刻结合看到的画面和摸到的触感，预判出接下来物体会发生什么变化。比如捏一块橡皮泥，它能预判出用多大的力气能把橡皮泥捏成什么形状，不用反复试错，一次就能完成想要的操作。这正是机器人在真实场景里操作效率大幅提升的关键所在。

眼下，具身智能行业正处在快速发展期，大家都想让机器人真正走进家庭、工厂，帮人干活。但光靠视觉的机器人，很难搞定复杂的物理操作。智在无界这款隐式触觉世界模型的发布，补上了之前具身模型缺少触觉感知的关键短板。机器人终于能像人一样，用多感官去理解真实世界，未来也就能胜任更多精细的日常操作任务，推动具身智能从实验室更快走向真实的落地场景。