72道工序、灵巧手进厂打螺丝：临界点数采手套发布，要补上触觉数据缺口｜最前线

作者｜黄楠

编辑｜袁斯来

(资料图)

2026年10月29日，智元创新日·灵巧操作分论坛上，临界点（AGILINK）对外展示了灵巧手走向工业真实工况的关键进展。

在绍兴卧龙产线的POC验证工位，OmniHand灵巧手完成了对同系列灵巧手的出厂整机性能测试，连续跑完72道工序，从物料上料、螺丝锁固到自检、下料归位，全程无需人工实时干预。整套流程单轮耗时8.5分钟，比熟练人工的8分钟慢30秒，任务成功率达98%，可连续作业8小时。

OmniHand灵巧手对同系列灵巧手进行出厂整机性能测试（图源/企业）

其中，螺丝锁固挑战最大。防脱螺丝本身存在毫米级晃动，叠加螺丝枪自重、线缆牵拉带来的反冲，手部只要偏移1毫米，枪头末端偏差就会放大到3至4毫米。测试过程中，团队还人为制造了机械臂推动、工装底座偏移、光照变化等干扰，灵巧手依靠视觉与触觉联动实时纠偏，遇到拧入失败也能自动回退、重新对位。

整套作业的稳定性，来自真机强化学习对单步操作能力的优化，以及工业部署智能体框架的支撑。后者负责工序校验、失败回滚与工站之间的状态同步。

绍兴卧龙产线（图源/企业）

临界点CEO乔天杰将这次产线测试定义为灵巧手行业从开发态走向部署态的标志性节点。“开发态比的是Demo精不精彩，部署态考核的是节拍、成功率、稳定性和ROI。”

在他看来，夹爪经过数十年迭代，可以覆盖工业场景70%至80%的确定性工序；灵巧手的目标是攻克夹爪难以胜任的余下20%至30%复杂精细操作。使用通用灵巧末端执行器，可以适配多类工序，减少传统产线中专机专用带来的改造成本与场景局限。

产线POC验证了硬件与作业框架在真实工位上的可行性，同时也把行业长期存在的数据短板摆上台面。

临界点首席具身科学家黄碧丹指出，当前多数灵巧操作模型训练依赖纯视觉数据集，缺失力反馈、触觉滑动等真实物理交互信息。模型在仿真中表现优异，迁移到真实物理环境却极易失效；温度、剪切力、接触形变这类触觉维度，很难靠仿真生成，必须经由真实物理交互采集。

而主流的两类数据采集路径各有短板：真机遥操采集的数据质量高，但成本昂贵、极度依赖专业操作人员，难以大规模扩量；第一人称Ego人手视角数据获取门槛低、场景覆盖广，但单纯依靠视觉跟踪，缺少真实触觉信息，精度有限，更多仅适合预训练，不足以支撑高精度精细操作任务。

针对上述痛点，临界点在活动上正式发布OmniGlove Pro数采手套，并开启量产交付，试图从数据源头确立新的质量评判标准。

OmniGlove Pro数采手套（图源/企业）

传统数采多以视觉层面人手动作复刻相似度作为标尺；“真机Ready”的核心逻辑是，人手在特定场景完成操作，经手套采集与后端处理后，机器人本体能在相同场景条件下复现完整任务，以此作为数据合格的核心判定依据。

硬件层面，OmniGlove Pro指尖采用EMF磁场定位与IMU抗干扰融合方案，全手布置高密度触觉感知点位，位姿与触觉信号保持高帧率输出，整只手套重量控制在较轻水平。在织物手套形态下，EMF提供指尖定位基准，全手触觉点位用于补偿柔性形变带来的末端定位误差。

形态选型上，团队选择织物手套方案，对日常操作侵入性更低，更适合长时间、大规模持续采集。同时，临界点自研的OmniHand灵巧手本体出厂时同样配置织物触觉手套，数采手套与执行本体在触觉点位分布和外形上尽量对齐，以降低从人类采集数据向机器人执行端映射时的信息损耗。

官方数据显示，截至2026年10月，临界点OmniHand系列灵巧手累计量产突破1.5万台。乔天杰认为，万台级量产是灵巧手走向商用部署的基础门槛，只有到达这一量级，供应链交付稳定性、整机良率收敛和成本下探才具备现实条件。

智元创新日·灵巧操作分论坛（图源/企业）

依托工业与商用服务两条真实部署线的持续迭代，临界点灵巧手已在珠海长隆商用交互场景实现常态化运行；卧龙电驱的灵巧手工位预计年内完成正式产线并线。

从卧龙产线的工位验证，到OmniGlove Pro建立“真机Ready”的数据采集标准，临界点正试图跑通一条闭环路径：真实部署场景产生交互数据，高质量采集数据反哺模型迭代，迭代后的模型再解锁更多新工序。

活动现场，临界点宣布向本体厂商、场景集成方和模型研发团队开放触觉数据、操作模型与工业部署框架，以生态协作的方式扩大数据供给和场景覆盖。