{
title: "FTP-1触觉基础模型：21种传感器一统天下",
summary: "Sharpa联合清华大学、UC Berkeley等机构推出首个通用触觉基础策略FTP-1，基于约3000小时、来自26个数据源和21种触觉传感器的数据预训练，实现一套策略打通多种触觉传感器与具身形态。该模型在零样本和少样本场景下表现优异，为机器人触觉感知与操作提供了通用解决方案，标志着触觉AI迈向标准化与泛化阶段。",
content: "触觉感知一直是机器人领域最难攻克的关卡之一。不同传感器、不同机械臂、不同任务，往往需要从头训练模型，这就像每换一副手套就要重新学习抓握。现在，Sharpa联合清华大学、UC Berkeley、上海交通大学、ETH Zurich等机构的研究者，给出了一个令人振奋的答案：首个通用触觉基础策略FTP-1。它基于约3000小时、来自26个数据源和21种触觉传感器的数据进行预训练，首次实现了一套策略在多种触觉传感器和具身形态上的通用适配。\n\nFTP-1的核心突破在于其跨传感器和跨形态的泛化能力。研究团队收集了包括GelSight、Digit、Tactip等21种主流触觉传感器的数据，覆盖了从刚性到柔性、从单点到阵列的各类触觉传感技术。在预训练阶段，模型学习了触觉信号的通用特征，而非针对特定硬件的定制模式。实验数据显示，在零样本迁移场景下，FTP-1在陌生传感器上的任务成功率平均达到78%，比传统专有模型高出32个百分点。在少样本微调场景下，仅需5分钟的数据采集，就能将新传感器的任务成功率提升至92%以上。\n\n这项工作的行业影响不容小觑。过去，机器人触觉应用面临严重的碎片化问题：企业每引入一种新传感器或新机械臂，都需要投入大量资源重新训练模型，这极大限制了触觉技术的规模化落地。FTP-1的通用性意味着，开发者可以像使用预训练语言模型一样，直接调用触觉基础策略进行微调，将开发周期从数周缩短至数小时。同时，该模型在抓取、插入、表面识别等典型操作任务上，均展现出与专有模型相当甚至更优的性能，证明通用化并非以牺牲精度为代价。\n\n展望未来，FTP-1为触觉AI的标准化铺平了道路。研究团队已计划开源模型权重和部分训练数据，这将吸引更多社区贡献者参与触觉数据的共建。对于AI从业者而言，这是一个明确的信号：触觉技术正从实验室走向工业应用，具备跨平台能力的通用模型将成为主流。建议关注机器人操作、灵巧手控制以及触觉传感器硬件升级的从业者，尽早接入此类基础策略，抢占技术红利。毕竟，当机器人真正拥有触觉时，它们离真正理解物理世界就不远了。"