帕西尼感知科技谈物理AI的PIE架构：触觉感知、数据工厂与执行闭环

引言与帕西尼小体

过去几年 机器人“大脑”越来越聪明 但要真正走进现实世界 还差一样很重要的东西 就是像人类一样能感知物体的触感 理解接触时的受力变化 如何让机器人真正拥有感知和理解物理世界的能力 接下来 就让我们回到ALIGNMENT 2026大会现场 看看Michael Hsu如何理解Physical AI的发展方向 以及机器人还需要突破哪些技术瓶颈

我是Michael Hsu博士 今天的主题是物理AI的PIE 稍后我会解释PIE是什么 对大家来说 它可能只是一种食物 但它对机器人非常重要

说到我们公司的名字 很多人都觉得很有意思 他们会问 为什么叫帕西尼（PaXini AI） 这是因为人体皮肤里 有四种不同类型的触觉感受器 其中一种负责感知纹理和高频振动 就是帕西尼小体 所以我们想做出一种传感皮肤 让它像帕西尼小体一样 这也是我们取名帕西尼的原因

手指上的触觉感知非常重要 在开始之前 我们请大家想象一下 比如你的左手和右手 一只手拿着装满水的杯子 另一只手拿着一个鸡蛋 我们想问 人类到底是怎么知道 该如何与这些物体互动的 其实依靠的就是触觉感知 为什么我们拿着的鸡蛋不会滑落 也不会被捏碎 就是因为我们获得了大量触觉信息 大脑能够处理这些信息 所以触觉感知对于人体来说 是与物理世界互动的重要一环

公司与股东背景

简单介绍一下我们的公司 我们是全球领先的 具身感知驱动通用智能的企业 目前 我们累计融资超过6亿美元 公司最新估值超过30亿美元 我们的产品在全球市场份额排名第一 不仅应用在机器人上 也应用在汽车和其他领域

再简单介绍一下我们的股东 比如三星、LG、比亚迪等大型企业 都是我们的股东 而且他们不仅是股东 我们也帮助他们制造 自己的机器人或自动化设备 对于未来的机器人 我们看到这些大型企业 都非常关注物理AI 也意识到触觉感知信息 对机器人本身极其重要

理解物理世界与经验层

当我们思考如何与物理世界互动时 就会问 智能如何存在于物理世界中 于是又产生了更多问题 如果AI能够思考 它能理解物理世界吗 比如这张图 一个人在清洁地板 机器人也在清洁地板 但机器人做着完全相同的动作时 它真的理解自己在做什么吗 比如我们清洁地板时 需要用手 通过触觉感受地板 并把吸尘器的吸嘴压向地面 才能把地板吸干净 但机器人真的理解这个动作吗 这仍然值得怀疑 所以 缺乏物理理解的智能是不完整的 机器人从知道怎么做到实际去做 再从做到走向可靠地做到 这中间仍然存在很大的鸿沟

所以我们想问 下一代AI应该是什么样的 它们不应该只是理解指令 也不应该只是对提示词作出反应 它们需要与世界互动 并且让事情发生或带来改变 不仅如此 世界并不是由像素构成的 我们并不只是用摄像头观察一切 现实不仅是我们看到的 也是我们触摸、感受和改变的 为了理解世界 我们公司要做的 就是推动AI理解现实 进一步推动AI的发展 现在我们叫它AI 不过刚才的视频里说的是SI 对吧 超级智能 你们说的是超级智能吗 不知道 我还是用AI 尤其是在美国以外的地方 好 回到幻灯片 AI必须超越观察 不只是看见 还要作出反应 或者与之互动 而从观察走向互动 我们做了很多这样的实验 因为我们希望机器人从被动感知 走向主动理解物理世界 只有这样 机器人才能从现实中学习 大家可以看这里的小视频 机器人利用触觉传感器进行操作时 能感受到自己是如何抓住吸嘴的 如何抓取物体或者灯泡

不仅如此 智能需要的远不止知识 知识 比如文本 但它需要的不只是文本 还需要更多经验 什么是经验呢 其实就是人类数据 机器人可能知道杯子是什么 你看 杯子是一个圆柱形的物体 但它知道该如何抓住杯子或怎么与它互动吗 也许不知道 经验教会我们 也教会机器人如何行动 以及如何操作物体 再进一步说 如果我们希望获得更多经验 就需要建立一个经验层 为机器人或物理AI提供经验 因为我们需要感知世界 大家看到的这个流程 是我们数据工厂里的一个流程 人进行观察和互动 然后拿起瓶子 我们就能获得与这类物体互动的数据 所以我们要建立 这样的AI或机器人数据基础 让机器能够从物理世界学习 这是非常重要的一层 每一次互动 都是向物理世界学习的机会

数据飞轮与真实世界基准

不局限于固定地点的数据工厂 我们也希望机器人能在任何地方学习 所以我们提供了这样的设备 让大家在自己家里教机器人 我们希望抓住每个教机器人的机会 这就形成了数据驱动的物理智能飞轮 把物理互动转化为智能也是关键之一 大家看到的是我们的一款手套 我们用它来教机器人 这并不是远程操控 我们用这些数据训练一个小模型 它就能够非常精确地完成动作 所以 感知能力非常重要 无论对触觉信号本身 还是与各种物体的交互都是如此 通过学习 成功率能够大幅提升 适用于机器人执行的各种任务

如果我们有了这样的实验 并让机器人从中学习 那么 该如何建立评测基准 或者说 该如何评估机器人完成的任务 是否符合人类的需求 所以我们要建立评测基准 一个很简单的方法就是 看机器人能否处理 以前从未遇到过的事物 比如它从未见过的物体 或者从未操作过的物体 如果机器人能够处理这些物体 就说明它能在现实世界中展现智能 所以 最终我们想说的是 现实世界才是对机器人的终极考验 而最重要的 就是让机器人和物理AI 以可衡量的真实世界交互为基础 这就回到了我们的PIE PIE就是让智能与现实相结合

PIE架构之一：感知（Perception）

接下来 我想进一步介绍我们的PIE 很多人会问 为什么叫PIE 是苹果派 还是菠萝派 到底是什么派呢 P是感知 I是智能 E是执行 对于每一个机器人来说 这三种能力都必不可少 一个PIE就能创造无限可能 通过帕西尼的PIE 我们能为机器人创造更多可能

首先 我想介绍感知这一部分 我们的感知能力基于自研传感器芯片 大家可以看到 这是张博士的手 张博士正在演示 如何利用手上的触觉感知能力 这里有一根很尖的针 位于指尖的位置 当机器人手进行捏取动作时 如果它具备这样的感知能力 就能够作出反应 并与人交互 基于这样的传感器芯片架构 能开发各种产品 比如大家现在看到的机器人指尖传感器 还有触觉传感器 还有汽车上的传感器 或其他各种应用中的传感器 都能基于这种芯片架构来构建 FUSE芯片和FUSE技术 目前我们在机器人上有各种产品 比如关节上的扭矩传感器 末端执行器上的六维力／力矩传感器 还有触觉传感器 用于指尖、手掌和机器人皮肤 甚至机器人脚底 有了这些技术 我们就能让每个机器人 具备全身的物理感知能力 基于这项技术 它还有很大的潜力 满足我们尚未知晓的需求 因为最近有很多客户来找我们 希望在机器人上安装不同类型的传感器 有些应用我们以前从未见过或听说过 机器人公司的这些需求也令人惊喜

PIE架构之二：智能（Intelligence）

再说智能这一部分 我们建立了数据工厂 数据工厂是帕西尼的重要项目 现在我们已经能够获得 超过100万小时的高精度人类数据 其中包含触觉感知信息 这个数据库叫OmniSharing DB 如果大家感兴趣 可以直接到我们的官网上查看 利用这些数据 我们可以开发各种应用 比如仓库里的应用 各种家庭应用 以及工厂中的应用 依托这项技术 我们布局了五座数据工厂 一座在中国东部的宿迁 另一座在中国北部的天津 另外还有三座即将建成 有了这些数据 我们就可以让机器人从中学习

那么 怎么让机器人从这些数据中学习 我们需要算法 所以我们开发了 这样一套用于机器人的多系统算法 在座很多人可能都是机器人工程师 大家一定了解机器人的训练过程 这些数据可以用来做 预训练、后训练 甚至终身学习 所以 这类数据 对机器人本身非常重要 为此 我们开发了飞轮算法模型 用于机器人模型本身 来验证这些数据确实有用 这个模型叫Omni VTLA 2.0 通过这个模型 大家可以看到 我们可以使用数据工厂产生的数据 也可以使用机器人自身产生的数据 当机器人自己生成数据时 仍然可以用这些数据进行终身学习 而模型本身 也能发挥非常重要的作用 或许能帮助机器人实现零样本泛化 所以我们开发了Feelix World 这个模型很快就会发布 可能就在这个月底 这项技术能够处理信息 或者说 对触觉感知信息进行编码 让机器人感知世界 这样一来 就能实现少样本 甚至零样本泛化 正如大家看到的 我们并没有放弃语言信息 我们仍然会使用语言 也会使用视觉信息 还会使用机器人自身的交互信息 除此之外 更重要的是触觉感知 我们会利用慢适应型触觉信息 和快适应型触觉信息 让机器人将这些触觉信息 嵌入模型和算法之中 此外 我们还将这些模型应用到各种场景中 稍后我会进一步介绍这些应用

PIE架构之三：执行（Execution）与双重PIE愿景

接下来是PIE的最后一部分 执行 执行能力 是机器人最重要的能力之一 因为即使你有完美的感知能力 有出色的大脑 但如果没有一个足够好的执行层 比如 没有完整的机器人本体 没有末端执行器 比如机器人手 那你还差得很远 无法让机器人形成闭环 在现实世界中完成任务 所以我们要打造这样的执行层 设计各种不同类型的机器人手 而机器人手的设计 是非常重要的一部分 对很多机器人公司来说都是如此 比如Chestnut Robotics 刚才Chestnut的演示 用手弹钢琴 就涉及机器人手的设计 对帕西尼来说 我们可以开源灵巧手的设计 提供给有需要的机器人公司 在设计方面 我们也在可靠性上做了很多改进 比如我们的一款主打产品 也很有名的灵巧手DexH13 就经过了大量测试 使用测试时间已经超过了2万小时 经过这些测试 它仍是很有潜力的灵巧手 不仅如此 我们还与客户一起开展了各种应用 比如LG、三星、京东、比亚迪 还有手机行业的企业 比如荣耀

最后 我们希望打造的 不只是感知、智能和执行组成的PIE 还要构建平台（Platform） 集成（Integration）和生态（Ecosystem） 所以 我们有两种不同的PIE 一种是让机器人 具备与物理世界交互的能力 另一种是建立良好的开放生态系统 让每个人都能拥有自己的机器人 用自己的技术成功开发机器人 接下来就到了 演讲的最后一部分 我们希望用一个PIE 创造一个未来和无限的可能 最后 我们希望每个人 都能贡献自己的一份力量 构建自己的PIE 或共建我们的PIE 从技术的角度来说 我们希望每个人都能拥有自己的机器人 从而解放劳动力 在物理世界中享受更多乐趣 让机器人去做那些累人的工作和任务 希望大家喜欢我今天的演讲 非常感谢大家