在 CES 2026 上，有關機器人的話題悄然發生了變化。越來越少的人懷疑機器人是否可以移動得更快或舉起更重的物體。更多人提出了更難的問題：為什麼機器人在受控演示之外仍然舉步維艱，以及缺少什麼才能讓它們在現實世界中變得可靠？
對於許多業內人士來說，答案就是數據。不是合成數據或腳本化動作，而是真實的交互數據，捕捉物體在觸摸、推動、擠壓或移動時的行為方式。
這就是 Daimon Robotics 試圖通過 DM-EXton2 解決的問題，DM-EXton2 是今年在 CES 上推出的基於遠程操作的數據採集系統。它不是消費品。它是一款專業工具，旨在幫助機器人大規模地從人類交互中學習。
機器人並不傻——他們缺乏經驗
人工智能的最新進展極大地提高了認知、語言理解和思維。但身體互動仍然是一個弱點。機器人可能會完美地識別一個物體，但當被要求拾取、插入或安全地處理它時，它仍然會失敗。
原因簡單明了：物質世界是混亂的。力、摩擦、變形和接觸每時每刻都在變化，很難清楚地捕捉到這些信號。大多數機器人根本沒有看到足夠的這些數據。
傳統的數據收集方法需要權衡。專用捕獲環境昂貴且勞動密集型，但仍然產生有限的可重用數據。模擬成本較低，但虛擬物理與現實之間的差距常常導致模型在實驗室中有效，但在實踐中卻失敗。
更糟糕的是，許多現有系統會干擾他們試圖記錄的行為。笨重的設備限制了自然運動，而有限的感知則錯過了人類本能依賴的微妙力量和触覺提示。
自動數據採集系統的實際用途
基於遠程操作的數據採集系統以不同的方式解決這個問題。
基於遠程操作的數據採集系統以傳統的遠程操作方法為基礎，實時記錄交互數據，並且多個信號之間具有更高的一致性。人類操作員遠程控制機器人執行現實世界的任務——抓取物體、插入組件或操縱工具——而係統同時捕獲運動、計時、接觸和力數據。
事實上，機器人通過觀察和感受人類如何完成任務來學習。此設置越接近正常人類行為，所得數據就越有用。
專為真實數據而不是演示而設計
DM-EXton2 是世界上第一個用於自動數據採集的觸覺反饋遠程操作系統，旨在從現實世界的任務中捕獲高質量的交互數據。
它是圍繞響應能力和部署靈活性而不是可穿戴規格而設計的。該系統以1000 Hz的響應速率運行，並可實現毫秒級命令同步，支持無縫遠程操作和數據採集過程中的低延遲。
它還支持全身遠程操作，包括移動底座和腰部關節的協調控制，擴大了可捕獲的任務範圍。結合自適應運動縮放和快速末端執行器切換，這些功能允許單個系統支持精細處理和大規模運動，而無需中斷數據收集過程。
為了適應不同的工作環境，DM-EXton2 提供兩種配置：適合移動數據採集設置的背包版本，以及專為固定工作站設計的機架安裝版本。這使得操作員可以選擇最適合其工作流程的格式，無論數據是跨動態空間還是在穩定、可重複的環境中捕獲。
將力和触摸放入循環中
DM-EXton2 最顯著的特點是將操作員的力反饋與觸覺傳感相結合來收集數據。
該系統將這些部隊能力帶入更廣泛的遠程操作框架中，從而在數據收集過程中進行更自然、更準確的處理。當機器人與其環境交互時，接觸力會實時反饋給操作員。即使機器人的視野部分被遮擋，處理易碎物體或進行精確輸入等任務現在也變得更加容易。
這不僅僅是為了改善操作員的控制體驗。在機器人層面，力和触摸信號與運動數據一起記錄，創建反映人類實際如何與物體交互的多模式數據集。這些數據不僅對於教導機器人如何移動，而且對於教導機器人如何判斷接觸和適應物理約束至關重要。
從孤立的經歷到可重複的學習
通過同步運動、力量和触摸，DM-EXton2 充當人類技能和機器學習之間的橋樑。人類的直覺成為機器人可以學習、重用和跨任務應用的結構化數據。
這種轉變很重要。團隊可以構建連續的數據生成管道，而不是收集小型的、特定於任務的數據集。隨著時間的推移，這將支持更快的模型訓練和更可靠的部署。
關閉循環
該系統還適應機器人開發方式的更廣泛變化。數據收集、模型訓練和部署不再是單獨的階段。它們逐漸形成一個環。
高質量的交互數據被輸入多模態模型（包括視覺、觸覺、語言和動作框架），以優化機器人的行為。然後，實際使用會生成新數據，從而改進下一個訓練週期。
為了使這個循環發揮作用，數據必須自由移動。標準化、兼容並不是好事；它們是先決條件。
這就是 Daimon Robotics 的用武之地
Daimon Robotics 專注於支持機器人學習的技術，而不是構建完整的機器人。其工作範圍擴展到觸覺傳感、靈巧的處理設備和旨在支持大規模數據收集的遠程操作系統。
該公司孵化於香港科技大學，由香港科技大學機器人研究所創始所長王宇教授與段建瓜博士共同創立。該團隊將學術研究與在實驗室外部署機器人技術的經驗相結合。
在這種方法中，DM-EXton2 充當 Daimon Robotics 的“3D”戰略（設備、數據和部署）的關鍵要素。該系統基於該公司對觸覺傳感和靈巧操縱的長期關注，有助於將力和触覺數據轉化為高級學習模型的可用輸入，支持更通用的機器人能力的發展。
為什麼這很重要？
隨著機器人越來越接近日常環境，進步將不再依賴於智能算法，而更多地依賴於機器是否能夠從其運行的物理世界中學習。
DM-EXton2 不承諾即時自治。相反，它充當了關鍵的橋樑，使機器人能夠被引導完成現實世界的任務，以便捕獲高質量的交互數據作為更通用功能的基礎。
您可以通過它了解更多關於Daimon Robotics的信息 公司網站, 領英個人資料 和 YouTube 帳戶。
