机器人行业在基于视觉的感知和日益复杂的人工智能模型方面投入了大量资金。然而，随着具身人工智能向物理人工智能和世界模型的方向发展，机器人应该做的不仅仅是感知世界——它们还应该学会通过身体接触来理解现实世界并与之互动。

但是，当机器人与物理世界互动时，仅靠视觉往往是不够的。诸如抓取精致物体、插入连接器、打开容器、组装组件或处理可变形材料等任务都在很大程度上依赖于接触信息。

人类可以毫不费力地执行这些操作，因为我们不断整合视觉和触觉反馈。然而，机器人仍然难以完成其中的许多任务。

一个基本问题仍未得到解答：

触觉传感实际上在多大程度上改善了机器人操作和物理交互？

挑战不仅仅是开发更好的触觉传感器或，但也衡量它们对物理人工智能的影响。

缺少物理交互基准

如今，还没有广泛采用的标准化框架来评估实体人工智能中的触觉智能。由于没有通用的评估框架，该行业缺乏可靠的方法来量化进展。

为了应对这一挑战，来自香港的实体智能公司 Daimon Robotics 与 Galbot 一起在 ICRA 2026 上联合推出了 RobOmni。作为第一个包括物理交互触觉传感的全模态评估基准，它旨在提供一个可重复且可扩展的环境，用于评估执行富含接触任务的机器人模型。

NVIDIA Isaac Sim、RobOmni 将高保真模拟与以物理交互为中心的标准化评估场景相结合。

该平台支持全模态观察，包括：

• 高频指尖触觉感应
• 腕戴式 RGB 视觉
• 夹具状态信息
• TCP运动轨迹
• 动作命令
• 外部摄像头观察

这种全模式方法使研究人员和开发人员能够系统地评估触觉信息如何在受控条件下影响机器人性能。

传统上，触觉系统主要关注力检测 - 确定是否发生接触并测量施加了多少力。然而，研究人员越来越多地将触觉视为一种丰富的信息来源，远远超出了仅用力的范围。

Daimon Robotics

Daimon Robotics 和 Galbot 在 ICRA 推出 RobOmni2026 年。