告别纯视觉时代！开普勒国内首发VTLA全感知原生力触觉全栈数采方案

近日，上海开普勒机器人正式发布国内首个原生适配VTLA全感知模型的力触觉全栈数采解决方案——Kepler-OmniTac™。方案由开普勒全栈自研，涵盖新一代数采套件、Kepler-OmniVTLA大模型及原生数据集，可直接采集原生力触觉全模态数据，实现机器人边工作、边数采，在真实工业场景里边训练、边进化。

这一发布，标志着工业人形机器人正式从以视觉为主的VLA时代，迈入更贴合生产实际的OmniVTLA时代。开普勒始终专注工业落地场景，致力于构建真正实用的全感知智能机器人体系，补齐机器人长期缺失的 “物理交互能力”，推动行业从炫技展示走向务实量产，向更智能、更可用、更能干活的方向持续迈进。

如今，人形机器人行业迎来关键拐点：执行器、整机控制、灵巧手等硬件已实现规模化突破，躯体成熟，智能待启。但行业仍被三大痛点牢牢束缚：

· 感知维度缺失-纯视觉方案无法捕捉接触力、摩擦力等物理交互信息；

· 力触觉数据稀缺-缺乏全维度接触数据支撑精细操作；

· 模型与数据不匹配-主流模型原生不支持触觉模态。

机器人普遍 “看得清、摸不准、做不精”。依托早些年已完成的本体全栈布局与大量封闭场景落地经验，开普勒正式宣告：迈入KeplerBrain具身智能Gen3.0时代—— 以海量真实数据驱动端到端大模型，实现通用场景、完全泛化。

开普勒明确判断：工业人形机器人的下一程，不再拼硬件，而拼感知与数据。物理世界感知+高保真交互数据，将成为真正的核心竞争力。

为此，公司坚定采用“具身智能大脑+力触觉全栈数采” 双轮驱动战略，放弃 “广而浅” 的横向泛化，深耕工业垂类纵向泛化路径，用真实场景数据破解行业智能瓶颈，让机器人真正实现 “会摸、会懂、会做”，升级为具备真实物理世界感知与决策的工业智能体。

本次推出的Kepler-OmniTac™ 力触觉全栈数采解决方案，由自研Kepler-OmniTac 数采套件、Kepler-OmniVTLA数据集、KEPLER OmniVTLA大模型端到端打通，核心是 “人机同源感知”，国内首个实现 “硬件-数据-模型” VTLA原生适配的工业级方案。

不止能看见，更懂推拉拧

Kepler-OmniTac数采套件为开普勒全栈自研，采用双方案并行架构，整体轻量化设计，可快速适配各类真实工业场景。

1. 开普勒同构力触数采套件

由 “同构力反馈外骨骼+力触反馈手部套件（夹爪 / 五指手套）+开普勒人形机器人（夹爪版 / 灵巧手版）”组合而成。

核心优势：动作空间与机器人高度一致，可原位采集高保真力控与接触数据，减少人机形态差异，在滑移、稳定性、材料区分、顺应控制等信号采集上表现优异。同时通过本地 - 边缘部署、通信优化、温度补偿、自校准等技术，有效抑制延迟、温漂与噪声，数据稳定可靠。

2. 类UMI触觉手套数采套件

以五指触觉采集手部套件为核心，可灵活搭配外骨骼扩展使用。

双套件协同，高质高效全覆盖

两者互补配合，可灵活覆盖不同场景、不同精度需求的全品类数据采集任务，为OmniVTLA大模型训练提供高质量、高多样性的多模态数据支撑。

海量真实数据，筑牢感知底座

Kepler-OmniVTLA数据集，基于自研采集设备原生采集构建，自带 “真实无虚、多元覆盖、全模融合、规模领先” 四大特质，数据储备堪称丰厚：累计收录10万+条真人实采全模态场景数据，覆盖商业、工业、办公、家居等多行业核心场景，囊括20+种专属工业技能与40+种真实应用场景，真实还原核心场景全链路任务。

从VLA到VTLA，一脑适配多机

KEPLER OmniVTLA大模型，实现VLA→VTLA关键升级，将力触觉模态提升至与视觉、语言、动作同等核心地位，原生支持力触觉编码与跨模态深度融合：

· 核心突破：从 “被动看” 到 “主动摸”，精准理解接触力度、材料软硬等物理属性，柔性 / 易碎工件操作 “不翻车”；

· 能力跃迁：模仿学习2.0落地，告别单纯 “抄动作”，深度 “懂逻辑”，复杂任务泛化能力 “翻倍涨”；

· 实用价值：一脑多机高效适配，通过多机型目标映射与策略蒸馏，一套模型可兼容不同自由度、不同结构的人形机器人，无需重复开发，大幅降低部署成本；

· 工业实效：接触密集型任务成功率提升10%-20%，试错成本 “砍一刀”，已在汽车、3C等行业真实工厂完成POC验证，彻底补齐工业人形机器人感知短板。

当前机器人训练的核心数据，多以纯视觉数据和虚拟合成数据为主。虚拟数采场、集中式基地产出的理想化数据，脱离了工厂的真实环境 —— 不同材质的零件、复杂的光照遮挡、动态的生产流程，让这类数据在工业场景的泛化成功率仅【25%-30%】；而纯视觉数据存在天然盲区，无法感知力、触等物理信息，在精密装配、多材质抓取等精细操作中，几乎不具备实用价值。

传统遥操作数采作为 “人工主导的离线采集模式”，同样未能解决数据与真实场景脱节的核心问题，而Kepler-OmniTac™凭借于 “硬件 - 数据 - 模型” 端到端原生打通：硬件实时采集不卡顿，数据管线秒级处理无延迟，模型原生适配力触觉模态，三者形成高效闭环，大幅减少人工参与，快速完成 “采集-处理-训练-迭代” 全流程。率先实现 “干活即采数、采数即训练、训练即进化” 的革命性突破，彻底打破行业 “采集-训练-部署” 割裂的痛点。开普勒的优势不止于技术逻辑，更在汽车、3C 等真实产线得到验证。

产线实测：从能用，到好用

汽车精密装配：1000次零失误，成功率98%

· 行业痛点：传统遥操作数采与虚拟/纯视觉数据难以精准还原精密装配的力控细节与真实场景，采集数据适配性差，泛化成功率仅25%-30%，导致机器人实际作业易卡滞、错位，依赖人工补位，效率低、成本高；

· 技术突破：VTLA模型通过六维力传感器+触觉反馈，动态修正姿态，实现亚毫米级精准对齐，采集数据与实际作业场景1:1匹配；

· 落地数据：某汽车工厂1000次连续装配，成功率达98%，较虚拟/纯视觉数据的25%-30%泛化成功率实现质的飞跃，产线产能提升30%，人工成本降低40%，大幅减少人工干预。

多材质抓取：零滑落，成功率99%

开普勒K2大黄蜂目前已成功实现自主拆垛，显著降低人工干预，推动产线自动化升级，彻底解决纯视觉与虚拟数据的实用化难题。

1. 补齐感知短板：首次实现 “视觉+力触觉” 全维度物理感知，让机器人不止 “看见”，更能 “触摸真实”，解决遮挡、反光、柔性物体等场景失效问题；

2. 降低数据门槛：提供开箱即用的工业力触觉数采方案，大幅降低企业获取高保真交互数据的成本与周期，加速具身智能迭代；

3. 加速场景落地：原生适配VTLA模型，数据与模型深度协同，提升机器人在精密制造、汽车装配、物流分拣等场景的作业精度与稳定性，助力工业人形机器人规模化商用。

未来，开普勒将立足工业、跳出工业，持续迭代VTLA模型与力触觉数采体系，以工业级高可靠能力为根基，不断拓展全场景智能边界；联合生态伙伴共建「场景-数据-模型」正向循环，让机器人真正具备人类级物理感知与交互能力，从赋能智能制造，走向服务万物智能。

免责声明