如果让机器人分辨两颗一模一样的花生，它会怎么做？

在刚刚开幕的WAIC 2026上，一目科技的展台前围满了观众。大家盯着桌面上的两颗花生——同样的颜色、同样的形状、同样的纹理，肉眼几乎看不出任何区别。机器人伸出指尖，轻轻按压了一下，随即做出判断：左边是真的，右边是模型。

观众们好奇：它是怎么做到的？

答案，并不藏在复杂的物理公式里，而在于一次真实的“交互”。

01 智能的本质是压缩，但必须有现实的约束

过去两年，大模型让机器人拥有了越来越聪明的“大脑”。VLA、世界模型等技术不断刷新机器人理解任务和规划动作的能力。但真正进入工厂、家庭和实验室后，人们发现，机器人依然会捏碎鸡蛋、抓滑杯子、装不好零件。

原因并不复杂。今天的大模型学习的是互联网世界，而机器人面对的是物理世界。互联网能够告诉AI什么是鸡蛋，却不会告诉它鸡蛋壳在多大的压力下会破裂；图片可以教会机器人认识花生，却无法告诉它哪一颗是真的。

智能的本质是对信息的高度压缩，但如果没有现实世界的约束，这种压缩只会产生幻觉。对于Physical AI而言，真正重要的不是模型继续变大，而是机器人能否持续获得来自现实世界的Ground Truth（物理真值）。

人类通过交互学习世界。婴儿认识世界不是从语言开始，而是通过触摸、抓握、摔打。在物理世界中，视觉只能告诉我们物体的形态，而触觉才能让我们理解物体的“脾气”。正如那颗花生，视觉上无法区分，但通过交互反馈，我们能够精准判断。触觉感知的不仅是力场，更是物体在受力后的形变与响应。因此，触觉=物理真值。

02 视触觉：获取物理真值的“交互界面”

那么，机器人如何获得这些物理真值？

在很长一段时间里，机器人并没有学会这件事。它们能看到物体的样子，却感受不到物体的硬度、摩擦力与弹性。这是因为传统的力传感器无法直接感知“形变”。

一目科技给出的答案是：视触觉（Vision-based Tactile）技术。与传统力传感器不同，视触觉在柔性材料内部建立光学观测系统。当机器人与物体发生接触时，材料会产生微米级的形变，内置的光学系统实时记录这些变化的图像，再通过AI算法还原出压力分布、剪切力、纹理、滑移趋势等丰富的物理信息。

这不是在“测力”，而是在“看见形变，理解力”。

在此次WAIC上，一目科技展示的真假花生识别，就是这一原理最直观的体现。与此同时，一目科技还展示了五指集成视触觉灵巧手。在演示屏幕上，观众可以清晰地看到，机械手抓取过程中，每根手指的压力分布、接触区域和滑移趋势都在实时可视化呈现。过去隐藏在机械结构内部的物理信息，第一次成为可以被机器人学习和理解的数据。

03 构建Physical AI基础设施：从感知到GTM与Affordance

但对于一目科技来说，视触觉传感器只是起点。

真正稀缺的，并不是一颗传感器，而是由传感器持续产出的高质量物理交互数据。因为对于Physical AI而言，每一次接触，都是机器人认识世界的一次学习；每一次抓取，都会产生新的Ground Truth。

一目科技正在做的，正是构建Physical AI基础设施。我们正在填补连接物理世界与智能系统之间缺失的那一层。

围绕这一目标，一目科技搭建了一套完整的基础设施体系：

底层，视触觉传感器持续采集真实交互数据；中间层，通过数据采集系统和触觉编码模型（Tactile Transformer Encoder），将复杂的物理交互转化为模型能够学习的结构化知识。我们不仅仅是在编码触觉，我们是在通过海量的交互，让机器人学习GTM（Grounded Transition Model），最终形成机器人的Affordance（可供性）能力——即在什么条件下、对什么对象、施予什么力、得到什么结果。上层，结合虚拟仿真平台，不断扩展真实数据的覆盖范围，形成真实世界、数据世界和模型训练之间持续迭代的数据闭环。

此次WAIC展出的视触觉产品矩阵、五指集成灵巧手、数据采集系统、虚拟仿真平台，以及覆盖生产制造、生活服务、精密实验等不同场景的应用展示，共同组成了这一完整链路。

一目科技希望提供的，不仅是一款视触觉产品，而是一套让机器人能够持续理解物理世界的能力。

从看见世界到理解世界，从识别物体到理解交互，Physical AI正在进入新的阶段。

机器人真正需要学习的，不是互联网上的海量图片，而是物理世界的内在规律。智能的本质是压缩，但这种压缩必须经过物理现实的检验。围绕真实交互建立的数据能力，正在成为机器人迈向开放环境的重要基础设施。

今年WAIC，一目科技展示的不只是全栈视触觉方案，更是在尝试回答一个属于整个行业的问题：机器人如何真正理解物理世界。