打造“有手感”的具身大脑，让机器人的“工龄”变成能力
维科网智能制造10月19日消息，近日匹克投资与杭州具身大脑企业格物通智签订战略合作协议，双方将围绕鞋履制造中柔性材料、柔性工艺与亚毫米级精度并存的接触要求推进落地。
同日，格物通智宣布完成近亿元天使轮融资，投资方包括鸿富资产、匹克投资、杭州资本、杭州人才集团、某省级具身产投及多家头部上市公司。
工商信息显示，格物通智注册于2026年8月，从工商注册到融资落定只隔了两个月，首轮便同时拿到产业资本与杭州市级三支基金的支持。
此次投资的聚焦点不在本体，在机器人进入产线后，迟迟难以补上的“那一道手感”。
又一量产线上走下来的跨界团队
资方的信心，一定程度源于格物通智“硬核并经过验证”的核心团队。
据悉其核心成员来自华为、理想、地平线、智元等在具身领域各领风骚的企业，大都毕业于清华、浙大、上交、中科大、复旦、哈工大、西工大及南洋理工等高校，覆盖前沿AI研究、复杂系统工程与规模化交付全链条。
而格物通智创始人兼CEO蔡佳博士，毕业于西北工业大学航天学院，早期研究方向是太空机器人在轨灵巧操作。
离开航天领域后，他加入华为2012实验室及车BU 2030实验室，深度参与ADS 2.0至4.0的核心技术研发与百万级量产交付，并参与ADS 6.0预研，担任过百人团队主管及华为科学家委员会委员，获得华为个人技术最高奖。
在车BU期间，他还是世界模型基础模型的负责人，具备千万小时级数据治理与近万卡集群训练的系统性经验。
太空机器人、自动驾驶技术、量产与世界模型的开发，这种多重复合背景，落到具身智能上，格物通智的目标，是让机器在真实物理约束下做出可交付的动作。
从视频里，反推出一层“物理标签”
在具身发展之初，触觉数据采集比较依赖手套或专用传感器，成本高、维度低、难以规模化。
这也让多数具身智能企业转而使用众包采集或素材库数据训练模型，但蔡佳表示，这类数据与真实物理工况之间又存在一定的结构性偏差，诸如光照、工艺参数、设备异常、人为干预等条件一旦偏离，模型学到的动作便难以复现。
格物通智则希望走另外一条路，其以Real to Sim为路径，从海量第一人称与第三人称操作视频中反向推断接触力、摩擦方向与形变状态，为视觉数据补上可学习的物理标签，再借助真实传感器数据与操作结果进行验证和校正。
蔡佳对此的判断是，真实场景中的数据带有明确的因果链条，什么动作导致了什么结果，什么异常触发了什么调整，脱离场景长出来的智能很难真正落地。
PSI体系则将物理反演、规划执行、真实反馈、评估学习与验证部署串成闭环，目标不是让机器人在单一工位上重复固定轨迹，而是在持续作业中把失败的轨迹、人工纠正的动作与异常恢复的过程沉淀为下一轮训练的经验，将工龄转化为可迁移的能力。
结语
具身领域常谈今年为落地元年，但目前仍然缺乏优质的数据和强大的泛化能力。
中国信通院10月16日发布的《具身智能发展报告（2026年）》指出，具身智能基础模型在泛化能力、作业节拍、持续运行和故障恢复上仍有明显短板，场景或操作对象一旦变化，就需要重新采集数据、微调适配，落地模式尚未跳出每个场景、每个任务重做一遍的路径，尚未形成可复制、可迁移的规模效应。
这也是格物通智选择切入灵巧操作中接触层的原因之一。
而从本次天使轮的资方其中匹克投资来看，其带来的鞋履制造场景同时施加柔性材料、柔性工艺与亚毫米级精度三重约束，恰好也落在视觉感知容易失效、力与触觉必须介入的区间。
据悉格物通智正在与纺织服装、光模块及汽车零部件领域客户推进联合创新PoC，预计2026年年底完成首个交付。
如果年底的首个PoC能按节点交付，格物通智将进一步验证其模型技术可从视频数据到物理标签、从真实反馈到跨场景迁移。
注：本文仅做信息分享，不构成任何投资建议。
#智能制造#具身智能#世界模型#触觉感知#格物通智
更多精彩推荐
联系我们，公众号对话框点击“商务合作”
机器人/智能制造蓝皮书，公众号对话框点击“资料获取”