具身 · 眼睛五赫兹，指尖二十赫兹：一台机器人终于学会轻拿轻放

先把两台时钟摆正。松下 11 月 5 日那份新闻稿的注释 3 写得明明白白：Hz 是每秒处理或更新的次数，5 Hz 每秒五次更新，20 Hz 每秒二十次。它说的是策略里两个模块的节拍。看和想的动作生成模块约 5 Hz，只吃触觉的动作修正模块约 20 Hz。传感器采样率不是这个数，底层控制环也不是，论文给的低层控制线程是 300 Hz，数据记录线程 30 Hz。项目页更含蓄，只说 variable-rate、四个快触觉拍对一个慢视觉拍。所以「约」字不能丢，5 与 20 是新闻稿给的近似整数，论文里写死的是四比一这个比例。

那 23 个百分点，帖子给它配了一句很漂亮的话：「看得见」和「摸得着」之间的距离。漂亮，可惜测的不是这个。42% 那一组是同一套系统把触觉关掉，相机还开着，视觉还在。它量的是触觉消融的增益。纯视觉基线在论文 Table 1 里另有一栏：EgoScale 35%、π0.5 17%、Tactile-VLA 15%。新闻稿主打的是 65 减 35 那 30 个点，帖子挑了 65 减 42 的 23 点。两个差值都真，讲的事不一样。要谈视觉对触觉，得把 35 那一栏摆上来。

65% 本身也该带三个后缀：12 个接触密集的真实实验室任务，每任务 16 次 rollout，宏平均，松下研究团队自报，新闻稿注释 2 注了 PanasonicHD research 与 2026 年 11 月 5 日这个时点。它是实验室成绩单，算不得产线可用率；约三分之一仍失败，最难的拧灯泡只有 35%，开锁 47%。独立物理复现，没查到。标题「一台机器人终于学会轻拿轻放」把这张成绩单读成了通用能力；帖子正文第 30 行自己回撤了，研究阶段、工程化没有时间表。标题加强、正文回撤，这帖的毛病跟 803 那篇一个形状。

补两处主体。共同发布的是 Panasonic Holdings 与 Panasonic R&D Company of America，简称 PRDCA，加伯克利、英伟达、斯坦福、罗马一大、ItalAI 五家，帖子漏了 PRDCA。还有「机械臂型号未公开」这句站不住：新闻稿确实没列，可论文与项目页写得很细。Dexmate Vega-1 双臂，每臂 7 自由度；两只 Sharpa Wave 22 自由度灵巧手，每手 5 个指尖触觉传感器，双手共 10 个；头戴 ZED X Mini、腕部 ZED X One S。准确说法该是「新闻稿未列，论文与项目页已公开」。T-Rex 是操作 AI，是模型，不是机器人本体的型号，这点帖子说对了。

数据那本账倒是可以放心抄：22,889 小时人类第一视角视频打底；机器人侧 100 小时、7,700 多条双臂片段，第三方更精确到 7,755；200 多种日常物体，精确是 207；22 种基础动作；每一条都录了相机画面、机械臂状态、10 根指尖的力与形变和一句指令；每个具体任务再收约 100 条演示收尾。评测 12 任务乘 16 次，约 192 回。

帖子里有一句「这个分寸感可能正是 65% 的来源」，用了「可能」，是负责任的写法。可别把它当论文的结论：项目页给的消融是拆开低频规划与高频触觉修正带来稳定 5 个点，触觉整块拿掉掉 23 点。五比二十的分工有没有单独贡献 65%，没人量过。

我倒觉得这帖最值得带走的是个很朴素的画面。鸡蛋会形变，牙膏是流体，书页会滑，卡片会卡。这几样的共同点，是视觉信息在接触那一瞬就失效了。隔着屏幕你永远不知道指尖正承着几牛的力。让 5 Hz 的脑子专心想，让 20 Hz 的手专心摸，各守各的节拍。给眼睛配一只专职的手，这一步的意义比那 23 个点长远。

顺带把「分寸感」的功劳先记在账上，别急着结案。研究阶段的东西，最禁不起的就是替它把结论说满。

往牙刷上挤牙膏，人不需要想。指尖一感到阻力变化，手自己就收劲了——这条反射弧根本绕不过眼睛。11 月 5 日，松下控股联合加州大学伯克利分校、英伟达、斯坦福、罗马一大和 ItalAI 公布了 T-Rex，一套给双臂机器人装上"指尖反射弧"的操作 AI，下周（11 月 9 日至 12 日）在奥斯汀的 CoRL 2026 上做展示。论文 6 月就挂上了 arXiv，这次官宣把它从实验室推到了产业台前。

先把成绩单摆在桌上。12 个富含接触的真实任务——翻书页、双手转移鸡蛋、挤牙膏、钥匙开锁、拔卡片、拧灯泡——平均成功率 65%，此前最好成绩是 35%。同一套系统把触觉输入关掉，成绩掉到 42%。23 个百分点的差值，就是"看得见"和"摸得着"之间的距离。

架构的巧思在两台时钟上。主控是标准的视觉-语言-动作模型，负责看和想，节拍约 5 赫兹——它每秒决策五次，想的是"接下来该做什么动作"。但它不管手上的细账。真正接住鸡蛋的是第二个模块：一个只吃指尖触觉信号的动作修正器，节拍约 20 赫兹，每秒修正二十次，它不需要重新跑一遍图像识别，只回答一个问题——"现在这一下，劲儿对不对"。滑动？压太狠？指尖的力传感器先知道，修正器先动手。慢脑出计划，快手保平安，两条回路各按各的节拍走。

训练流水线的三段式也值得记：先用 22,889 小时的人类第一视角视频打底——互联网上人手做活的录像多得是，机器人自己的数据千金难求；再在机器人数据上做一段中期训练；最后每个具体任务只收约 100 条演示来收尾。指尖的账本记得很细：200 多种日常物体、22 种基础动作、7,700 多条双臂操作片段，共 100 小时，每一条都同时录下相机画面、机械臂状态、10 根指尖的力和形变、还有一句自然语言指令。

为什么非得是鸡蛋和牙膏？因为这两样东西是操作任务的考官。鸡蛋会形变，力道过重当场碎给你看；牙膏是流体，挤多挤少全凭手感；书页会滑，卡片会卡。这类任务的共同点是：视觉信息到了接触的那一刻就失效了——隔着一块屏幕，你永远不知道指尖正承受几牛的力。此前的方法要么干脆忽略触觉模态，要么只用静态触觉特征，接触的一瞬还是两眼一抹黑。T-Rex 把触觉接回来了，但没让它当主控——它只是一个每秒上班二十次的纠错员。这个分寸感可能正是 65% 的来源：让 5 赫兹的模型专心想，让 20 赫兹的模块专心摸，各守各的岗位。

应用清单松下也给了：制造业里需要精细力控的插拔件、拧螺丝，物流里软包装和易碎品的分拣——全是"力气活"这个词反面的那种力气活。别忘了这是研究阶段的工作，论文 6 月挂出、11 月才由松下牵头官宣，工程化没有时间表，机械臂的具体型号也没有公开。

但这一步的意义清楚得很。机器人学习的过去两年在拼命喂眼睛——视频、仿真、遥操作，全是视觉的盛宴；指尖一直坐在冷板凳上，因为触觉数据难采、传感器贵、模态难融合。T-Rex 给出的答案是：不用等触觉的大一统，先给眼睛配一个专职的手。23 个百分点就摆在那里——机器人的灵巧，一半在算法里，另一半长在指尖上。

信源与限定：松下控股 2026-11-05 新闻稿 news.panasonic.com/global/press/en261105-2（合作方名单、双时钟架构 5/20 赫兹、22,889 小时视频、200+ 物体、22 动作、7,700 条片段、12 任务 65%/35%/42% 三组数字均出自新闻稿）；论文 arXiv 2606.17055 "T-Rex: Tactile-Reactive Dexterous Manipulation"（v2 更新于 2026-06-18，经 arXiv API 核验，新闻点为松下官宣与 CoRL 2026 展示，论文本体非本周新作）；CoRL 2026 会期 11 月 9-12 日奥斯汀；商业化为零时间表、机器人型号未公开，均为新闻稿口径；65% 与 35% 的对比基线为论文自报此前最好水平。

#具身智能 #机器人 #触觉 #CoRL