7月28日，通用具身基础模型公司智在无界BeingBeyond，正式放出了全球首个隐式触觉世界动作模型Being-H0.8。

它首次把触觉模态引入了大规模模型预训练环节。此后，机器人不再只靠眼睛“看”世界，还能像人一样，靠触摸去感知物体。

这一步，实实在在拉近了具身智能与真实物理世界的距离。

Being-H0.8的核心突破

你平时在视频里看到的机器人，大多只能靠摄像头“看”世界。视觉信息，往往是它们判断环境的唯一依据。

当它们遇到软的海绵、硬的铁块、滑的玻璃杯这类不同质感的物体时，光靠眼睛看，很容易判断错力度。结果往往是要么抓空了，要么用力太大，直接把东西捏碎了。

Being-H0.8的核心突破，就在于它把触觉信息，和视觉、动作、未来状态变化，全部整合到了同一个隐空间里。

模型能同时“看见”也“摸到”物体，像人一样理解不同东西的软硬、轻重、滑涩。

数据基础：UniHand 3.0

要训练出能真正理解触觉的模型，数据是关键。智在无界为此搭建了全新的人类交互数据库UniHand 3.0。

这个数据库覆盖了多个维度：

• 日常自然物体交互
• 长时程连续任务
• 丰富的手部精细动作
• 各种各样的真实生活场景

总共有超过50万小时的第一人称交互视频数据。

为了把数据库做得足够全面，智在无界还与数十家行业数据合作伙伴建立了深度合作，把不同场景下的真实交互数据全部收集进来。

这样做的目的，就是让模型见过足够多的真实操作案例。

触觉能力带来的实际变化

以前的具身模型，大多只靠视觉数据训练。这就像一个人闭着一只手学做事情，很多靠触觉才能感知到的细节，它根本理解不了。

比如，拿一个装了半杯水的玻璃杯。光靠眼睛看，你根本不知道杯子滑不滑、里面水有多重。没拿稳直接掉地上，是很常见的情况。

而训练了触觉数据的Being-H0.8，能从视觉画面里预判出这个物体的大致质感，并自动调整抓取的力度。

• 碰到滑的杯子，就加大一点握力
• 碰到软的面包，就放轻力度，不会把面包捏变形

打通视觉、触觉、动作和状态变化

更关键的是，这款模型把视觉、触觉、动作和后续的状态变化全部打通了。

机器人做完一个动作之后，能立刻结合看到的画面和摸到的触感，预判出接下来物体会发生什么变化。

比如捏一块橡皮泥，它能预判出用多大的力气能把橡皮泥捏成什么形状。这样就不用反复试错，一次就能完成想要的操作。

这正是机器人在真实场景里操作效率大幅提升的关键所在。

具身智能走向真实场景的重要一步

眼下，具身智能行业正处在快速发展期。大家都想让机器人真正走进家庭、工厂，帮人干活。

但光靠视觉的机器人，很难搞定复杂的物理操作。

智在无界这款隐式触觉世界模型的发布，补上了之前具身模型缺少触觉感知的关键短板。

机器人终于能像人一样，用多感官去理解真实世界。未来，它们也就能胜任更多精细的日常操作任务，推动具身智能从实验室更快走向真实的落地场景。