一句话看懂：哈尔滨工业大学（深圳）28岁教授杨朔创办破晓智能（PHANES AI），发布面向灵巧操作的触觉世界模型TouchWorld。团队通过触觉数据采集、触觉估计和触觉世界模型，试图补齐机器人“真实接触”的关键短板——让机器人不只“看见世界”，还要“感受到世界”。
事件核心：发生了什么
本周，哈工大（深圳）杨朔团队发布了TouchWorld，一个面向灵巧操作的触觉世界模型。其核心能力是让机器人在操作中预测接触如何发生，并利用触觉反馈实时修正动作。该工作串联起此前发布的EgoTouch（触觉数据采集）和TouchAnything（从视频恢复触觉），形成从数据到模型的完整路线。
同一时间，杨朔作为创始人兼CEO，宣布创办破晓智能（PHANES AI）。公司目标不是只做一个触觉模型，而是搭建一套融合人类视频数据与触觉感知模态、面向人形机器人全身移动灵巧操作的世界模型，涉及数据采集、模型训练、遥操硬件和评测体系。公开信息显示，杨朔26岁获评哈工大（深圳）长聘教授、博导，曾获Google Ph.D. Fellowship，研究方向涵盖多模态大模型、Data-Centric AI和具身智能。
TouchWorld在“按喷壶按钮、插电源插头、抽纸巾”等六个真实机器人任务中接受测试。在无干扰场景下，平均成功率为65.0%；在人为扰动场景下，平均成功率为57.2%，均高出最强基线方法15个百分点以上。团队指出，这离大规模泛化仍有距离，但验证了触觉目标预测和高频反馈修正能显著提升操作稳定性。
为什么重要
当前，VLA和世界模型已推动机器人“看懂世界”和“预测世界”，但物理操作的核心难点在于“接触”：物体滑不滑、压力够不够、手有没有抓稳。这些问题仅靠视觉无法解决。TouchWorld提供的路线，是对当前“纯视觉驱动”机器人操作范式的关键补丁——它首次将触觉纳入世界模型，让机器人能像人一样通过“手感”决策和纠错。
从行业格局看，破晓智能的切入正是填补基础设施空白：高自由度五指灵巧手加触觉方案不成熟、触觉数据难采、传感器接口不统一。杨朔团队从触觉数据采集起步，再通过TouchAnything做低成本数据增广，最后用TouchWorld实现触觉反馈控制，形成了一套系统化解决方案。这一思路与美国NVIDIA EgoScale、英国Generalist等“从大规模人类数据预训练”的路线互补——人类视频可以教会机器人“动作”，但只有触觉才能教会它“接触”。
对用户/开发者/创作者的影响
对机器人开发者：TouchWorld的可取之处在于开源的触觉数据采集方法和触觉模型训练范式。从事灵巧手、人形机器人操作的团队可以复用EgoTouch的低成本数据采集方法，以及TouchAnything的视觉-触觉对齐管线，降低触觉数据获取门槛。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对AI研究者：触觉作为感知模态的引入，可能重新定义世界模型的输入层设计。之前世界模型多处理视觉、文本、力觉信号，而TouchWorld把“触觉目标预测”纳入模型，意味着训练数据和loss函数设计需新增接触维度。这为多模态预训练和迁移学习提供了新实验场。
对企业用户：如果破晓智能后续推出面向灵巧操作的商业API或预训练模型，制造业、物流、家庭服务等场景下需要精密接触操作的企业，可能获得一种比传统程序化控制更鲁棒的触觉操作能力。不过目前65%的测试成功率说明离工程化还有距离，目前仍属技术验证阶段。
值得关注的后续
1. 产品化进度：破晓智能是否会在2026年下半年推出可测试的API或开源模型，尤其是TouchWorld和HumanWBC的接入方式。
2. 数据生态：TouchAnything作为“触觉放大器”，能否低成本扩展互联网人类视频为触觉监督数据，以及触觉数据采集手套的耐用性和标定稳定性是否得到改进。
3. 竞品格局：触觉灵巧操作赛道目前玩家不多，但NVIDIA、Google DeepMind等已在大规模人类数据预训练路线布局。破晓智能如果无法快速建立数据飞轮或标杆Benchmark，可能面临巨头挤压。
来源：Readhub · AI
