< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
戴盟机器人完成亿元融资，阿里通义多模态大牛加盟攻关物理世界模型
量子位 | 公众号 QbitAI
每天一睁眼，都有滚烫的热钱砸向具身智能领域。今天也不例外。
量子位获悉，具身智能公司
戴盟机器人（Daimon Robotics）新近完成亿元A轮融资
，本轮融资由汇川产投和中国电信联合投资。
这笔融资值得留意，不单是具身智能又拿到了投资。
关键在于具身智能发展技术方向的取舍。
因为在视觉、多模态、VLA、世界模型等被行业轮番热议之时，
戴盟落脚在了触觉这条路上
与此同时量子位还获悉了关于这家公司的另一则消息——
阿里通义实验室前多模态研究专家原玮浩加入戴盟，担任首席AI科学家
原玮浩博士毕业于香港科技大学，研究工作主要面向具身人工智能（VLA/WAM/强化学习/触觉智能/人形运动）和三维视觉（重建/生成/世界模型），拥有将多模态大模型、世界模型迁移至机器人物理操作的前沿经验。
他在NeurIPS、ICLR、CVPR、ICRA等人工智能顶会上发表论文40余篇，包括多篇Oral论文。其主导的NeWCRFs算法，曾登顶国际权威榜单KITTI。
后续发力重点：物理世界模型
戴盟方面表明，本轮融资到账后主要会投向三件事。
含物理交互信息的超大规模数据集；
真实场景下的数据飞轮和商业闭环。
戴盟首席AI科学家原玮浩的说法是，这三件事本质上是一件事的三个面，“数据是燃料，物理世界模型是引擎，飞轮决定引擎能不能持续跑起来”。
物理世界模型会是戴盟后续布局的重中之重
，团队招人、加码算力、打磨模型，所有规划全都围着这件事落地。
戴盟对物理世界模型有着自成一派的定义。
“我们的物理世界模型，它以多模态接触状态为条件来预测未来。”不同于常规模型只预判画面帧变化，它关注的不只是下一帧画面会变成什么样，还包括下一刻的触觉信号、接触状态，以及这次操作会不会失败、为什么失败、该怎么修。
原玮浩总结道：“简单来说，视频世界模型在预测画面，我们在预测物理交互。”
为了实现这件事，戴盟把物理接触拆成两层。
第一层是认知层，让触觉和视觉、语言、几何等模态在同一表征空间里互相映射。
比如桌上同时放着一颗葡萄和一颗同样大小的玻璃珠，人不需要真正抓起来，就知道两者不能用同一套策略。
葡萄要轻，要用指腹包裹；玻璃珠可以更用力，用指尖捏起。
这背后其实是视觉直接映射成了触觉预判。
第二层是执行层，有两套机制在同时运行。
一套是百赫兹级的高频触觉伺服，类似脊髓反射，不经过上层推理，物体刚开始产生滑移趋势的那一刻，补偿动作就已经发出了，新的视觉帧还没产生出来。
原玮浩说，这种毫秒级的边缘力控，纯视觉模型根本来不及反应。
另一套是物理世界推理，模型会持续预测未来的接触状态，在失误真正发生之前提前给出修正策略。
这两套机制分别对应毫秒级反应和接触状态前瞻，在同一个任务里协同工作。
戴盟方介绍，这是他们相比纯视觉操作模型最重要的结构差异。
“触觉”，是戴盟身上一直以来一个鲜明的标签。
戴盟介绍自家的技术路线时表示，不能只把触觉看作机器人身上的一个辅助传感器。
在他们看来，触觉同时贯穿了机器人操作的感知、决策、控制三层，
（触觉）是Physical AI理解真实世界的关键入口。