感谢IT之家网友 的线索投递！

2 月 7 日消息，小米机器人团队近日在具身智能领域取得重要突破，并于 2 月 5 日公布了其最新成果 ——TacRefineNet。

这是一个只依靠触觉、无需视觉、无需物体三维模型，就能实现毫米级位姿微调的通用框架。它的核心特性如下：

• 无需视觉：基于高空间分辨率触觉传感器，不受光照和遮挡影响，实现复杂接触下的可靠感知。

• 毫米级微调：通过多手指触觉与本体信息多模态信息融合，驱动姿态精准收敛，将抓取误差压降至毫米级。

• 无需三维模型：摆脱对物体先验几何模型的依赖，将复杂的抓取调整转化为触觉空间内的目标对齐问题。

• 一模多用：单一模型即可完成汽车工厂内多种工件的精细抓取调整，无论在仿真还是真实世界均表现出色。

• 泛化未知：模型具备一定的泛化能力，无需额外训练即可对未见过的类似物体、动态扰动环境保持高度鲁棒。

• 目标驱动：支持指定任意抓取目标位姿，无需针对特定任务重新训练，真正实现开箱即用的精细抓取。

这一创新技术有望解决机器人在实际应用中的“最后一公里”难题，为工业自动化带来新的可能性。

在机器人技术快速发展的背景下，触觉感知作为连接智能体与物理世界的关键桥梁，其重要性日益凸显。人类能够轻松完成剥鸡蛋等精细操作，正是依赖于高度发达的触觉系统。让机器人具备类似的触觉感知能力，成为突破当前技术瓶颈的重要方向。

据IT之家所知，TacRefineNet 模型的最大特点是仅依靠触觉信息就能实现毫米级精度的抓取调整，完全不需要视觉辅助或物体的三维模型。

该模型基于高空间分辨率触觉传感器，通过多手指触觉与本体信息的融合，能够将抓取误差控制在毫米级别。在实际测试中，无论是仿真环境还是真实场景，该模型都展现出优异的性能。

值得一提的是，单一模型就能处理汽车工厂中多种工件的精细抓取任务，且不需要针对特定任务进行重新训练，真正实现了开箱即用。

技术团队通过大量仿真与真实机器人测试验证了 TacRefineNet 的性能。测试结果显示，该模型能够将多样化的初始抓取位姿快速调整至目标状态，平均位置误差可缩小至毫米级。

即使在物体位置和姿态频繁变化的情况下，系统仍能通过实时反馈进行精确调整。更令人惊喜的是，模型还展现出对未见过物体的泛化能力，能够处理具有类似几何特征的陌生物体。

这一突破性成果得益于数据、算法与硬件的深度融合。在数据方面，研究团队利用 MuJoCo 物理引擎构建了高保真触觉模拟器，实现了对接触力响应的精确建模。

算法层面，TacRefineNet 采用端到端的多模态学习架构，整合了多指触觉、本体感知与空间动作信息。

硬件方面，研究团队在灵巧手指尖集成了高空间分辨率触觉传感器，触点间距仅为 1.1 毫米，能够捕捉物体表面的微小形变特征。

目前，小米机器人团队已公开相关技术细节和实验视频，更多后续研究成果将陆续发布。

参考资料：

• Project Page：https://sites.google.com/view/tacrefinenet

• Arxiv: https://arxiv.org/pdf/2509.25746