國(guó)家地方共建人形機(jī)器人創(chuàng)新中心與上海緯鈦科技有限公司近日聯(lián)合宣布，全球首個(gè)大規(guī)?？绫倔w視觸覺多模態(tài)數(shù)據(jù)集“白虎-VTouch”正式發(fā)布。該數(shù)據(jù)集突破了具身智能領(lǐng)域長(zhǎng)期存在的三大瓶頸：真實(shí)物理交互數(shù)據(jù)稀缺、高保真觸覺信息不足以及跨機(jī)器人本體泛化能力弱，為機(jī)器人從“視覺感知”向“觸覺操控”升級(jí)提供了關(guān)鍵支撐。

數(shù)據(jù)集規(guī)模達(dá)6萬(wàn)分鐘以上，首批6000分鐘開源數(shù)據(jù)已在OpenLoong社區(qū)上線。其內(nèi)容涵蓋視觸覺傳感器數(shù)據(jù)、RGB-D深度信息及關(guān)節(jié)位姿數(shù)據(jù)，支持輪臂機(jī)器人、雙足機(jī)器人和手持智能終端等多類本體構(gòu)型。通過系統(tǒng)采集家居家政、工業(yè)制造、餐飲服務(wù)等4大場(chǎng)景的380余種任務(wù)類型，數(shù)據(jù)集構(gòu)建了“矩陣式”任務(wù)范式，實(shí)現(xiàn)數(shù)據(jù)規(guī)?；膳c能力結(jié)構(gòu)化覆蓋的統(tǒng)一閉環(huán)。這種設(shè)計(jì)使機(jī)器人策略模型在精細(xì)觸覺感知、閉環(huán)力控交互等核心能力上獲得系統(tǒng)性提升，而非依賴零散任務(wù)堆砌。

技術(shù)實(shí)現(xiàn)層面，研發(fā)團(tuán)隊(duì)搭建了跨本體規(guī)?；瘮?shù)采平臺(tái)，具備六大創(chuàng)新特性：多進(jìn)程架構(gòu)支持每秒100MB以上實(shí)時(shí)采集，可同步處理視覺、觸覺、力覺等10余種傳感器數(shù)據(jù)；雙時(shí)間戳設(shè)計(jì)確保多模態(tài)數(shù)據(jù)時(shí)序精準(zhǔn)對(duì)齊；分布式處理架構(gòu)顯著降低系統(tǒng)成本，同時(shí)通過隊(duì)列緩沖與進(jìn)程監(jiān)控機(jī)制保障高可靠性。平臺(tái)配套的Web控制面板支持實(shí)時(shí)監(jiān)控與一鍵錄制，極大提升了操作便捷性。

數(shù)據(jù)標(biāo)注體系采用跨層次交互理解框架，分為抽象思維層、動(dòng)作邏輯層和物理狀態(tài)層。抽象思維層通過任務(wù)意圖推演構(gòu)建通用化思維鏈；動(dòng)作邏輯層將復(fù)雜操作拆解為100余種原子動(dòng)作序列；物理狀態(tài)層則利用視觸覺數(shù)據(jù)深化機(jī)器人對(duì)自身狀態(tài)的感知。這種多模態(tài)語(yǔ)義聯(lián)合建模方式，為下一代具身VTLA（視覺-語(yǔ)言-動(dòng)作）模型提供了數(shù)據(jù)標(biāo)準(zhǔn)基礎(chǔ)。

在算法支持方面，團(tuán)隊(duì)開發(fā)了統(tǒng)一訓(xùn)-推算法框架，兼容多種數(shù)據(jù)格式與控制方式，支持主流策略模型的統(tǒng)一訓(xùn)練與快速切換。經(jīng)擴(kuò)散策略與模仿學(xué)習(xí)算法驗(yàn)證，該框架使任務(wù)完成率提升顯著，跨模型泛化能力增強(qiáng)。數(shù)據(jù)集中視觸覺接觸圖像達(dá)9072萬(wàn)對(duì)，覆蓋260余種接觸密集型任務(wù)，其中68%的任務(wù)通過觸覺感知獲得了更完整的接觸狀態(tài)描述，為精細(xì)操作、力控調(diào)整等關(guān)鍵環(huán)節(jié)提供直接增益。

作為全國(guó)首個(gè)具身智能領(lǐng)域國(guó)家級(jí)標(biāo)準(zhǔn)化試點(diǎn)“上海虛實(shí)融合具身智能訓(xùn)練場(chǎng)”的核心組成部分，白虎-VTouch數(shù)據(jù)集將推動(dòng)機(jī)器人從實(shí)驗(yàn)室走向真實(shí)復(fù)雜場(chǎng)景。研發(fā)團(tuán)隊(duì)表示，后續(xù)將持續(xù)開放數(shù)據(jù)集使用說(shuō)明及相關(guān)研究成果，聯(lián)合生態(tài)伙伴構(gòu)建從數(shù)據(jù)到?jīng)Q策的完整技術(shù)鏈條，加速具身智能生態(tài)體系建設(shè)。