开普勒让机器人“触摸”真实世界

开普勒推出国内首个原生适配VTLA的力触觉全栈方案，补齐机器人物理交互核心能力

来源：半岛网

在工业自动化场景中，仅依赖视觉引导的机器人已显露出能力瓶颈。无论是精密部件的装配，还是对不规则物体的柔性抓取，决定操作成败的关键物理信息——如接触力、摩擦力矩与扭转方向——恰恰是视觉系统的感知盲区。近日，完成亿元级A++轮融资（由赛富投资基金领投，诺力智能、民爆光电战略入股）的开普勒机器人，正式发布了国内首个原生适配VTLA全感知模型的力触觉全栈数据采集解决方案。该方案并非单一功能模块，而是一套深度集成的软硬件技术体系，旨在系统性解决机器人长期缺失的物理交互感知与决策能力。

从视觉感知到物理交互：三大技术突破重构标准

作为开普勒战略升级的关键成果，此方案由两大核心构成：全国首个原生全感知力触数据采集系统，以及KEPLER VTLA全感知模型。两者协同，构建了从高保真数据采集到模型训练优化的完整闭环。其技术领先性主要体现在以下三个维度。

第一，实现了感知维度的根本性拓展。传统纯视觉方案仅能提供物体的空间轮廓信息，对于抓取力度、接触稳定性等关键参数则无能为力。面对遮挡、反光或柔性材质时，其可靠性进一步下降。而市面上常见的简易触觉方案，通常只能采集单一轴向的正压力，缺失了剪切力、扭矩等多维力信息，导致机器人无法区分“按压”、“滑动”与“旋转”等本质不同的交互模式。开普勒的方案以力反馈外骨骼与触觉反馈手套为核心硬件，融合“触觉+六维力”多模态传感数据，完整捕获压力、摩擦力、受力方向及力矩等全维度物理交互信息。这相当于为机器人赋予了接近人类的“皮肤触感”与“本体感觉”，使其能够学习真实世界的物理交互规律。

第二，实现了操作过程的实时自适应智能。该系统的核心优势在于，力触觉反馈信息实现了对操作全流程的覆盖。人类操作员可根据实时反馈的数据，动态调整并优化其示教动作。这意味着机器人不再是僵化地复现预设轨迹，而是具备了“执行-感知-修正”的在线学习与调整能力。这种在物理接触中实时学习并优化的模式，极大提升了机器人操作的精细度与灵活性。

第三，通过原生适配推动了模仿学习范式演进。方案从底层架构即原生适配VTLA全感知模型，这直接推动了机器人模仿学习从“动作形态复制”的1.0时代，迈向“理解交互物理本质”的2.0时代。机器人开始能够认知不同力度与接触方式所产生的物理结果，从而做出更符合实际情境的智能决策。

效能验证：从实验数据到产线落地的性能跃升

实际效能数据提供了最有力的证明。在插拔、装配等强接触型任务中，传统纯视觉模仿学习方案应对中等难度任务的成功率通常仅为50%-60%。而引入开普勒的力触觉多维数据后，任务成功率显著提升至86%左右。在具体的工业装配场景中，系统失败率从33%大幅降低至20%以下。

目前，该方案已在汽车制造、3C电子、智慧物流等多个行业完成概念验证（PoC），其表现显著超越传统VLA模型。例如，在某个汽车工厂的精密装配线上，该方案实现了连续1000次装配成功率98%的稳定记录，同时将整体产线效率提升了30%。这组数据不仅体现了性能指标的提升，更标志着技术从实验室验证走向规模化产业应用的关键跨越。

开普勒CEO宋华指出，此方案的发布，标志着机器人感知能力实现了从“视觉感知”到“触觉感知”，再到“物理交互理解”的三阶段演进。这正是具身智能技术从前沿研究走向大规模产业应用的核心驱动力。据悉，本轮融资将主要用于该力触觉方案的持续迭代与优化，深化在重点工业领域的场景适配，目标是为行业输出更高效、更成熟的力触觉数据采集与智能化解决方案。