9月， 戴盟机器人 发布触觉锚定世界模型 Daimon-TWM，顺手喊出一个新词——“物理交互脑”。同一周，开源证券一份视触觉传感器报告把这条赛道摆上台面：2026上半年灵巧手融资已超250亿元，资本先下注的不再是“谁的手更灵巧”，而是“谁先让机器人有感觉”。
两个信号指向同一件事。灵巧手的竞争，正从硬件一致性，转向感知与模型构成的闭环。我们在9月5日的手系列里写过电机、自由度与量产一致性——那时结论是“手本身够用了，瓶颈在大脑和数据”。本篇补上那块大脑的关键一层。
这层闭环的核心，是一个过去被视觉语言大模型忽略的缺口：接触。一只手能张开、能握拳、能复现约90%常见动作，不等于它能干活。插拔、装配、捏取易碎物、擦拭，这些“接触密集”任务考验的不是关节自由度，而是机器人懂不懂“压下去多大力、滑没滑、插进去有没有卡住”。
视频和语言模型擅长“看见什么、听懂指令”，但物理交互真正发生在接触之后。物体会不会滑动或变形、当前动作会带来什么后果、任务是不是在偏离——这些问题如果没有力与接触的隐式表征，模型在真机上就会原形毕露。同一套 VLA 架构，到了接触密集任务，成功率常常断崖式下跌。
公开测试口径很直白。在调整、擦拭、插入、装配四类接触密集任务里，行业经典模型 π0.5 无扰动成功率26.0%，人为施加外力扰动后骤降到5.8%，几乎等于失灵。问题不在动作生成本身，而在模型对“接触后果”缺乏预判——它看不见自己正在失手。
戴盟的做法，是把触觉从“事后反馈”变成“模型输入”。 戴盟 的 Daimon-TWM 用“一脑三体”架构：物理认知模块靠触觉确认接触状态和力与形变；推演决策模块用“触觉思维链”在动作执行前推演接触演化趋势和失败风险；瞬时操控模块以100Hz高频伺服做毫秒级纠偏。
一句话总结这套逻辑：它不再只告诉机器人“你刚才做错了”，而是预测“接下来会发生什么，要不要提前改”。感知层从控制信号蜕变为预测条件变量，这是2026上半年世界模型研究的明显转向。
同口径实测，Daimon-TWM 无扰动成功率64.0%，强扰动后仍53.5%。对比 π0.5 的26.0%与5.8%，提升数倍乃至十倍，且扰动越强、优势越突出。戴盟称其依托百万小时级触觉全模态数据集 Daimon-Infinity 训练，并自研 DM-TacW 传感器，每平方厘米集成4万感知单元、120Hz采集频率。
这张闭环图点破一个常识：没有触觉反馈，执行结果无法回流，灵巧手只是开环摆设。视觉感知、大模型、动作、接触，这一圈如果断了“接触→反馈”这条边，再多的自由度和再强的语言理解都救不了真实操作。触觉把“压多大力”变成可训练信号，闭环才算合上。
模型之上是传感器。 帕西尼 走“多维触觉+AI视觉”路线，DexH13 灵巧手集成1956颗传感单元、解析7824路信号、识别15种物理属性；其多维触觉传感器最多717路信号、0.01N微小力识别、超1000万次寿命。2026年公司完成10亿元战略轮、累计融资近40亿元，估值站上100亿。
资本定价的是它已经跑通的物理世界反馈闭环，而不只是器件。当 宇树科技 、 智元机器人 、 优必选 、 银河通用 这些整机厂把灵巧手当标准末端执行器时，帕西尼们提供的是“让手有感觉”的入口。硬件产生数据，数据训练模型，模型改善控制，更高的成功率带来更多装机——这个循环一旦转动，触觉就不只是零件。
这不是一家公司的孤例。2026上半年起，世界模型的研究重心从“视频预测”明显转向“接触预测”：6月的 TacForeSight 把高频腕部力/力矩与双指触觉喂进触觉世界模型；7月的 TouchWorld 把视觉、触觉与高频动作调整组合起来处理长时程接触任务；8月的 HiTac-WAM 直接预测候选动作后的接触状态、形变和滑移风险，再择优执行。
落地的载体仍是本体厂商。 戴盟 已向 Figure AI 、 Physical Intelligence 、OpenAI、Meta、BMW 等交付触觉设备与数据，并进入汇川及 特斯拉 供应链。传感器和模型公司绕到本体背后，成了具身赛道里的“卖铲人”——它们不造整机，却卡住了整机能不能干细活的咽喉。
第一个能算过账的场景，是3C制造与精密装配。插拔、对位、易碎品拾取，标准化程度高、容错低、对力控要求苛刻，正好是纯视觉模型的塌陷区，也是触觉模型的甜区。相较纯视觉方案，融合触觉达成同等精度所需训练数据量据称仅为千分之一，对数据稀缺的机器人行业是硬价值。
但边界要讲清楚。其一，视触觉数据比视频稀缺得多，需要真机高频采集、对齐、清洗，所谓“百万小时级”能否低成本规模化仍是问号。其二，跨本体泛化存疑——在一只手上训好的触觉策略，换一只手、换一种材质未必迁移。其三，触觉阵列本身贵，成本下不来就难进消费级。
其四，与纯视觉路线、与世界模型路线的拉锯远未收敛。谁会成为“具身里的英伟达”尚无定论，但方向上已经清楚：让机器人真正理解接触，比让它跑得更快、长得更像人，更接近“能用”的本质。
回到手系列。9月5日我们写的是硬件——电机、自由度、一致性；本篇写的是让硬件有用的感知-模型闭环。下一步值得盯的，是这颗“物理交互脑”怎么和9月7日写过的数据飞轮咬合：触觉数据一旦能规模化回流，灵巧手才算真正跨过从“能动”到“能用”的门槛。
本文基于公开报道整理。