具身智能创业公司Sharpa（禾赛科技创始团队再出发）在IROS期间发布了首款全自研通用人形机器人D01、新一代灵巧手W02及外骨骼数据手套AE01，正式展示其“手、身体、数据入口”的全栈能力。
此次发布旨在回应具身智能赛道的核心命题：机器人如何摆脱演示场景，产生真实商业价值。Sharpa通过硬件本体与数据采集闭环的结合，试图解决高质量操作数据获取难的问题。
IROS新品解析：构建触觉感知闭环
D01：一体化触觉感知灵巧操作机器人
D01的设计核心围绕灵巧操作展开，具备以下关键性能指标：
- 运动性能：手臂载荷自重比接近1:1，最大末端执行器速度超10.5m/s，通信频率1000Hz，重复定位精度0.2mm。
- 结构设计：球形腕关节采用1:1人体尺度设计，兼顾高速动态任务（如接棒）与精细作业余量。
- 触觉系统：电子皮肤覆盖全身，上半身触觉采样率100Hz，力感知范围0.1—20N，分辨率0.2N。
D01的核心突破在于将触觉从单纯的异常检测升维为动作调整的一部分。视觉负责预判位置，而触觉实时反馈接触状态（如滑动、受力变化），使机器人能在毫秒级时间内调整姿态，应对复杂物理交互。
W02：轻量化全触觉灵巧手
新一代W02灵巧手在结构上做了减法与优化：
- 自由度优化：主动自由度由22个减至21个，移除使用频率低的小指根部CMC自由度，降低机械复杂度与失效风险。
- 紧凑轻量化：整手尺寸缩小约30%，重量降低，前臂负载下降，更易适配人类工作空间。
- 全手触觉覆盖：实现“零抓握半径”，指尖配备高分辨率视觉触觉传感器（力感知5mN—30N，空间分辨率1mm），手掌区域覆盖电子皮肤。机器人可同时获取指尖、手指和手掌的接触信息，提升对细小物体及连续手内操作的处理能力。
AE01：高保真外骨骼数据手套
AE01主要用于精准遥操作与第一视角数据采集：
- 双向反馈：通过22个编码器捕捉操作者自然手部动作并实时映射至机器人；同时将机器人端的触觉状态反馈给操作者，形成“动作输入-触觉反馈”的双向闭环。
- 数据价值：不仅记录动作轨迹，更完整保留接触过程中的力度、滑动及修正动作，降低人机映射与多模态数据同步门槛，为模型训练提供高质量物理经验数据。
技术架构：从触觉控制到世界模型
Sharpa的技术体系围绕接触感知、闭环控制和数据学习构建，试图解决传统视觉策略在接触最后几厘米时的局限性。
分层控制策略：CraftNet
针对灵巧操作的不同阶段，Sharpa采用分层处理机制：
- System 2：负责任务理解与长程规划。
- System 1：负责接触前的动作规划。
- System 0：进入接触阶段后，以更高频率处理触觉反馈与精细动作，并将状态信息反馈给上层，实现动态调整。
这种架构改变了控制回路的时间尺度，使机器人能在接触瞬间快速响应物理状态变化。
记忆与推理：WM-Craftnet
最新研究引入了带时间记忆的世界模型（World Synesthesia Model）。该模型结合腕部深度、触觉、本体感知及历史动作，通过循环状态空间模型压缩信息，推断物体当前的几何、接触及运动状态。这不仅让机器人感知“现在碰到了什么”，更能理解“为何变成这样”，形成关于接触状态的内部表征。
商业落地：从Demo到真实场景
Sharpa正将灵巧操作从单一硬件能力扩展为系统能力，并通过真实场景验证其商业泛化潜力。
DQ暴风雪机器人餐厅实战
今年8月底，Sharpa与DQ合作的机器人餐厅在上海开业。机器人在无改造环境中，沿用原有设备与流程，独立完成开柜门、套杯圈、接冰、搅拌等55个连续步骤。这一案例验证了其在长程任务拆解、误差累积管理及多模态协同方面的能力。
数据驱动的迭代路线
联合创始人李一帆强调，“买到的数据构筑不了差距”。Sharpa的核心策略是通过真实任务持续产生“动作—接触—反馈—修正”的经验数据，并反哺模型迭代。相较于单纯追求硬件参数，Sharpa更注重提炼通用硬件与技术需求，提供能胜任真实岗位、持续交付并自我进化的通用操作能力。
从W01到D01及配套数据工具，Sharpa正在探索具身智能的本质：如何在不同任务场景中，通过触觉与数据的深度融合，实现机器人的商业化泛化。