灵巧操作头号玩家：Sharpa把指尖「触觉」进化到全面「体感」

一双会盘核桃、能做冰淇淋的灵巧手，已经足够让人记住Sharpa：

这家禾赛科技创始团队再出发的具身智能创业公司，过去一段时间最鲜明的标签，就是高自由度触觉灵巧手。

正在进行中的IROS，Sharpa又把这件事往前推进了一步，第一款全自研通用人形机器人D01来了：

同时还有新一代灵巧手W02：

以及外骨骼数据手套AE01：

手、身体、数据入口，一次性摆上展台。

为什么Sharpa要开始做机器人的本体，甚至连“怎么学会操作”的数据入口都一起做了？

把这三款产品放在一起看，答案其实指向现在具身智能赛道几乎所有人都在辩论的命题：

机器人摆脱展会、舞台Demo，产生真实商业价值，究竟需要哪些东西？

IROS现场，三款产品各是什么

先看D01，Sharpa对它的描述，是一体式触觉感知灵巧操作机器人。

这台机器人最值得关注的几个数字，也都围绕灵巧操作展开：手臂载荷自重比接近1:1，最大末端执行器速度超过10.5m/s，通信频率达到1000Hz，重复定位精度0.2mm，球形腕关节采用1:1人体尺度设计。

其中“高速运动”意味着机器人可以快速完成接棒、工具操作等动态任务：

“高载荷能力”让手臂在动作过程中仍然有足够的作业余量；0.2mm的重复定位精度，则把能力继续往精细操作推进。

机器人面对复杂任务时，速度、力量和精度很少能单独存在，D01的设计重点也就在这里。

更特别的是触觉。

D01电子皮肤覆盖全身，触觉覆盖上半身，触觉采样率达到100Hz，力感知范围0.1—20N，力分辨率0.2N。机器人因此可以直接感知轻触、碰撞和外部作用力。

Sharpa这样执着于“触觉”的原因，要放到人形机器人真正进入工作空间——也就是灵巧操作环境中才更明显：

视觉可以提前告诉机器人“前面有一个东西”，但接触发生之后，机器人还需要知道“哪里碰到了、受力多大、接触有没有发生变化”。

比如接住一个高速下落的物体，机器人需要在极短时间内调整手臂和手指的状态；又比如人在旁边工作时碰到了机器人的手臂，机器人需要判断这个外力来自哪里、是否需要改变当前轨迹。对于这些瞬间发生的物理事件，单靠视觉很难提供完整的信息。

人的身体其实一直在做这件事。手指感知到物体滑动，会下意识增加握力；手臂碰到桌面，会改变下一步运动；身体受到外力，也会马上调整姿态。

大量动作并不需要先编排成一个文字版的“思考链”指导执行，身体本身就提供了实时反馈，D01把电子皮肤铺到手臂和胸部，相当于把这种“身体反馈”也纳入机器人感知系统。

D01核心交互区域触觉全覆盖，改变的是机器人身体在控制系统里的角色:从单一的异常检测或者事后记录，升维成动作调整的一部分。

再看W02，“新一代全触觉超紧凑、轻量化灵巧手”，这里出现了一个有点让人吃惊的变化：上一代W01有22个主动自由度，W02反而减少到21个。

少掉的，是小指根部CMC的一个自由度。

根据Sharpa的应用调研，这个自由度在常见抓取和手内操作中的使用频率较低，对任务贡献有限，因此W02简化了对应结构，也减少了机械复杂度和潜在失效点。

这也是W02最值得看的地方之一：灵巧手继续增加能力，未必意味着自由度数字必须一路上涨。

另外，W02把21个主动自由度塞进了更紧凑的结构里，整手尺寸相比W01缩小约30%，重量也进一步降低。这样做直接带来两个变化：前臂负载下降，同时更容易装进按照人手尺寸设计的工作空间。

更小、更轻，也会带来一些此前不容易完成的任务。

比如W02实现了“零抓握半径”，能够更稳地处理筷子、细线等小直径物体。指尖采用高分辨率视觉触觉传感器，力感知范围为5mN—30N，空间分辨率1mm；手掌其他区域则由电子皮肤覆盖，力感知范围0.1—20N、空间分辨率5mm。

也就是说，W02的触觉覆盖已经从“几个指尖”扩展到整只手，机器人可以同时获得来自指尖、手指和手掌的接触信息，这对于细小物体和连续手内操作尤其重要。

这里值得注意的，是Sharpa把“小型化”和“触觉覆盖”放到了同一个工程约束里：一只手既要塞进人类工作空间，又要保留足够的接触感知。

最后是AE01，这是一款“高保真外骨骼触感数据手套”，主要用于精准遥操作和第一视角数据采集。

AE01通过22个编码器精准捕捉操作者的自然手部动作，并将其实时映射至机器人，实现更自然、更灵敏的高保真遥操作。

关键在于“反馈”：人操作一个物体时，眼睛看到的是位置和形状，手指还能感受到力度、接触和滑动。AE01让机器人把这些信息再反馈给人，操作者可以根据触觉调整动作。

与此同时，人的自然手部动作又能够被机器人实时捕捉。

因此，AE01的价值主要落在“把人的操作经验变成机器人可用的数据”这一环节：人的动作轨迹、机器人端的接触反馈以及两者之间的映射，被放进了同一个采集过程。

Sharpa的灵巧操作全栈，到底有什么不一样

如果把三款产品放到具体技术问题里看，Sharpa在IROS的三款产品有意思的地方，是尝试把“灵巧操作”从几个孤立的硬件能力，进一步变成一套围绕接触感知、闭环控制和数据学习建立起来的技术体系。

但要理解这套技术体系，应该从“机器人什么时候需要触觉”这个问题往下拆。

传统视觉策略最擅长的是接触发生之前的阶段：识别物体、估计位置、规划一条手臂轨迹，然后把手伸过去。问题恰恰出现在最后几厘米，甚至最后几毫米。

例如插入、旋拧、对齐、抓取柔性物体时，决定任务能否完成的变量往往藏在接触之后：物体有没有偏、有没有滑、压力是不是过大、接触点有没有改变。视觉能看到结果的一部分，却很难稳定观察到这些瞬时物理状态。

Sharpa的CraftNet模型对这个问题的处理非常明确：System 2负责理解任务和长程规划，System 1负责接触前的动作规划，System 0则进入接触阶段，以更高频率处理触觉反馈和精细动作。System 0不仅执行细动作，还会把状态信息反馈给System 1，让上层动作在执行失败或物理状态发生变化时重新调整。

这意味着触觉在这里的角色，实际是改变控制回路的时间尺度。

接触前，机器人可以用较慢的模型思考“我要拿什么、从哪里靠近”；接触之后，需要的是“现在滑了没有、要不要多捏一点、手指往哪边挪一点”。后者要求控制系统以更高频率工作。

而接着再往前一步，问题就变成了：机器人如何把一次接触经验记住？

这也是Sharpa最新WM-Craftnet研究比单纯“视觉+触觉融合”更值得关注的地方。

相比之前简单地把深度图、触觉和关节状态拼接起来喂给策略，新研究训练了一个World Synesthesia Model，也就是一个带时间记忆的世界模型。

输入包括腕部深度、触觉、本体感知和此前执行的动作，通过Dreamer风格的循环状态空间模型，把信息压缩成一个随时间变化的隐状态。这个状态再作为策略的上下文，用来判断物体当前的几何、接触和运动状态。

模型学到的不只是“现在碰到了什么”，还要结合过去发生过什么，推断“现在为什么会变成这样”。

这一步的意义，就从“触觉参与控制”继续往前走了一层：机器人开始尝试形成一个关于接触状态的内部表征。

回到最初的那个问题：为什么Sharpa一直“执着”于触觉，放在灵巧操作的核心位置？

传感器提供的是原始接触信号，控制系统负责在毫秒到百毫秒级别作出反应，世界模型则试图把这些瞬时事件组织成机器人能够持续利用的“物理状态”——

这恰好就是灵巧操作，区别于普通机械臂轨迹执行的核心。

AE01则是在数据侧补上了最后一块拼图。

传统遥操作主要记录人的动作轨迹，却很难完整保留接触过程中的物理经验。

AE01通过编码器捕捉自然手部运动，同时把机器人端的触觉状态反馈给操作者，形成双向接口：人的动作进入机器人，机器人与物体接触后的状态又影响人的下一步操作。

这样一来，一次人工操作留下的数据不再只有“手移动到了哪里”，还包括接触时刻、力量变化、滑动状态以及随后的修正动作。精准控制、触觉同步采集和免标定，降低了人机映射与多模态数据同步的门槛。

所以IROS上的新进展，其实总结起来就一句话：

Sharpa试图解决的是一个具身智能很现实的问题：高质量操作数据很难获得，而真正有价值的数据又恰恰发生在接触最复杂的那些瞬间。

从这个角度看，Sharpa 的灵巧操作“全栈”能力缺一不可：本体负责把机器人带进真实工作空间，灵巧手负责处理人与物体之间的细粒度接触，数据入口则把人的操作经验和机器人的物理反馈保存下来。

最后，模型再利用这些信息，把一次次操作变成下一轮能力。

灵巧操作头号玩家

手，首先是人类完成各种复杂任务最可靠的器官。

同样也是机器人与真实世界发生精细物理交互最直接的媒介。

所以从W01开始，Sharpa长期围绕高自由度、触觉和精细操作展开，并不奇怪。

年初CES上的Demo一鸣惊人，Sharpa为行业展示了一次天花板级别的灵巧操作Live Demo。

但灵巧手做到一定程度以后，问题自然会向身体两端延伸：这只手到底需要什么样的物理承载，才能进入各种工作环境？以及又需要什么样的数据，才能让机器人能够举一反三，实现不同任务场景的“商业泛化”？

这其中的问题包括高速运动下的控制精度、真实接触感知、人类工具操作，以及薄片、柔性物体、液体等复杂对象的处理能力，同时还要让身体、腕部、手指和触觉反馈在连续任务中协同工作。

真正能把这些能力串起来的机会，只会出现在真实任务里。

今年8月底，Sharpa与DQ合作的暴风雪机器人餐厅在上海吴江路开业，没有给机器人单独设计一套专用工位，而是直接沿用DQ原有的设备、原料和制作流程，由机器人完成从开柜门、套杯圈、接冰、撒料、搅拌到倒杯的55个连续步骤——

单独看任何一个步骤都远不算“科幻”，但困难的是它们连续发生，而且前一步留下的误差会传递到下一步。

最大难点，是在无改造环境中把一串高度关联的操作连续做完。

而这恰好对应Sharpa前面搭出来的技术链。

长程任务由模型进行拆解和状态管理；System 1负责具体动作；进入接触后，System 0利用触觉和力反馈持续修正；世界模型则结合视觉、触觉、力反馈和本体状态判断任务当前走到哪里、下一步应该怎么做。

而这，也是Sharpa年内第二次刷新灵巧操作上限了。

从灵巧手硬件，到触觉控制，再到世界模型和真实门店任务，Sharpa正在把灵巧操作从一个末端执行器能力，逐步扩展成一整套系统能力。

其中视觉解决“看到什么”，触觉则补充“碰到了什么、受了多大力、是否发生滑动”，在抓取、插拔、旋拧、挤压等连续任务中共同支撑动作调整。

而在技术架构上，触觉作为相对独立的计算层存在，上层模型可以替换，意味着触觉能力可以持续沉淀，不必绑定某一代模型，机器人由此获得的，是一套可以持续参与感知和控制的接触信息。

另一端，则是数据。

Sharpa联合创始人李一帆曾告诉过量子位：“买到的数据构筑不了差距”。

这句话放到今天的产品布局里更容易理解：相比某一个模型或者某一种数据采集方式，Sharpa在意的是让机器人在真实任务中持续产生“动作—接触—反馈—修正”的经验，再把这些经验重新送回模型。

这是一条从任务出发、再反过来定义硬件和模型的路线。

这也是经历过自动驾驶量产规模化锤炼的Sharpa创始团队，在具身智能上继续强调的“商业泛化”：换场景、换品类之后能否继续工作，以及效率提升能否覆盖采购、部署、维护和数据成本。

从这个角度看，Sharpa这次IROS最值得关注的变化，可能也不是“又发布了三款产品”。

之前W01灵巧手解决的是“机器人能不能把东西拿住、操作好”，随着D01、W02、AE01以及DQ的真实落地，Sharpa正在继续追问、探索的，是更本质的一层：

面向不同任务场景，提炼通用硬件与技术需求，提供一套能胜任真实岗位、持续交付、沉淀数据并迭代提升的通用操作能力。