微软突破解决了机器人局限性，采用触觉感知系统

微软研究h ro于 1 月下旬推出了一套新的机器人控制系统 2026，该 lets machines work with their hands while processing spoken commands and physical feedback. The system, called Rho-alpha, marks the company's entry into foundation models designed for robots that use two arms at once.

该技术将首先通过早期访问计划面向特定群体推出，随后Microsoft将在其Foundry平台上更广泛地提供。然后，公司可以使用自己的数据将系统适应其特定需求。

Adding touch to robot intelligence

工厂和仓库正在寻找能够应对变化条件而非永远重复相同编程动作的机器人。医院环境需要能够适应不同情况机器。物品批次间存在差异的生产线会产生问题，旧式自动化无法高效解决。微软构建了Rho-alpha以满足这一需求，它通过处理机器人看到的、听到的以及通过传感器感受到的物理信息来运作。

大多数机器人系统目前依赖摄像头和麦克风来理解周围环境并接受指令。Rho-alpha增加了另一层，将触觉视为同等重要。当机器人夹爪内置压力传感器时，系统获取到摄像头完全遗漏的信息。这在尝试将物体插入插座或配合零件时至关重要，因为仅凭视觉无法提供足够的细节来判断物体是否正确对齐。

微软 showed off these abilities 使用了两台配备可检测压力和接触传感器的 Universal Robots UR5e 机械臂。在名为 BusyBox 的任务测试中，人员 表示 the robot to do things like put a tray inside a toolbox and shut the lid. The system 转向 将这些指令转化为双臂间的协调动作，并根据传感器反馈进行调整。当尝试插入插头时 不 若首次未能成功，人工操作员可使用 3D 输入设备引导机器人，系统将从这些修正中学习。

获取足够的训练数据仍然是构建能力强大机器人的最大挑战。语言模型可以从网上可用的海量文本中学习，但机器人训练需要实际的身体演示，录制这些演示既耗时又昂贵。微软通过在三种类型的信息上训练Rho-alpha来解决这个问题：真实物理演示的录像、模拟练习任务以及来自网络的带有问答的大规模图像数据集。该公司使用运行在Azure服务器上的Nvidia Isaac Sim，通过强化学习过程创建逼真的合成场景。

这种模拟设置产生了在物理上准确的练习情境，以补充真实演示。这种结合方法使模型能够应对异常情况和其他原本需要数千小时实地操作才能捕捉到的失败情境。

该训练方法遵循了其他公司在机器人领域正在使用的模式。Google DeepMind的Gemini Robotics系统、Figure AI用于人形机器人的Helix模型以及Physical Intelligence的Pi-zero都采取了类似的方法来绕过数据短缺问题。该技术帮助这些系统学习通用操作技能，而无需为它们可能面临的每项单一任务提供特定的演示。

Competing in a maturing market

微软加入了一个机器人基础模型市场，该市场在过去一年半里显著增长。Nvidia发布了GR00T N1.6，旨在服务于人形机器人，专注于全身控制和情境理解。Google DeepMind将Gemini扩展到机器人领域，具备从折纸到处理扑克牌等各种能力。Physical Intelligence将Pi-zero呈现为一种跨不同机器人类型训练的全能系统。

Rho-alpha在三个方面脱颖而出。首先，对触觉感知的强调解决了仅依赖视觉的系统难以应对的情境。其次，该模型源自微软的Phi系列，该公司已对其进行调整，使其能在常规消费级硬件上高效运行。这一背景表明它可以在本地设备上运行，而无需持续连接云服务器。第三，专注于在实际操作过程中从人类纠正中学习，使其与需要完全重新训练才能掌握新行为的模型区分开来。

微软的商业方法也与竞争对手不同。该公司计划通过其Foundry平台提供Rho-alpha，作为制造商和系统集成商可以使用其专有信息进行定制的基础设施。这反映了该公司在AzureOpenAI服务方面的方法，并针对那些希望创建专用版本而非使用通用模型的组织。

对于制造商和物流公司而言，眼前的机会在于识别当前自动化表现不佳的重复性处理任务。质量检查站、组装物品套件的操作以及小批量装配线代表了Rho-alpha的语言理解和触觉感知混合体可以减少编程需求的情境。

微软宣布的早期访问计划为组织提供了一种测试系统是否适合其需求的方法，然后再投资于部署基础设施。公司应预期在评估过程中需要人工监督，并规划工作流程，让操作员在初始学习期间纠正和指导机器人。

Physical AI represents a shift from robots 正如编程工具一样，机器人正转变为灵活的协作者。这一转变将需要数年而非数月，但来自微软、英伟达和谷歌的基础模型已确立了未来十年定义企业机器人的基本模式。