TacClaw-Infinity 是由 20 多家机构联合推出、面向机器人灵巧操作的大规模视触觉语言动作数据集,已经正式开源,它一共包含超 1 万小时同步采集数据、100 万条操作轨迹、10 亿帧画面,覆盖上千种操作任务,在跨本体测试中,π0.5 策略平均操作成功率从 50% 提升到 74%,其中瓶子分类任务的成功率直接暴涨 44.7 个百分点,核心价值就是解决机器人触觉数据难采集、不同机器人之间没法直接迁移模型的痛点,之前很多机器人训练数据只适配特定本体,换一台机器人效果就暴跌,而这套数据采用独立采集方式,采集的时候不需要目标机器人真机,采集到的触觉、视觉信息可以直接给不同结构机器人复用,不用单独给每一款机器人重新采集数据。传统机器人数据集大多只有视觉信息,缺少真实的指尖接触反馈,抓握、分拣这类需要感知力度的任务很容易失败,TacClaw-Infinity 搭配 TacClaw 触觉采集设备,同步记录画面、指尖触觉信号、动作轨迹和自然语言标注,数据来源分布在全球 50 多个地点,包含家庭、实验室、工厂、商超等真实场景,数据多样性更强,而且它不需要改造复杂模型架构,只要把触觉信息以图像形式输入原有策略,就能拿到明显效果提升,上手门槛对科研团队更友好。
一、TacClaw-Infinity 数据集核心参数清单
- 总时长:10000 + 小时视触觉同步数据
- 轨迹样本:100 万条操作片段,合计 10 亿帧数据
- 任务覆盖:1000 + 种任务,单手、双手操作都包含
- 数据模态:视觉画面、指尖触觉信号、末端执行器轨迹、语言文本标注
- 采集方式:分布式全球采集,200 台采集终端,50 + 场景,20 + 机构联合参与
- 开源渠道:Hugging Face、魔搭 ModelScope、GitHub
二、关键任务测试效果对比表
| 模型策略 | 加入触觉前平均成功率 | 加入 TacClaw-Infinity 触觉数据后平均成功率 | 瓶子分类提升幅度 |
|---|---|---|---|
| π0.5 | 50.0% | 74.0% | +44.7 个百分点 |
| StarVLA | 46.0% | 72.7% | +43.3 个百分点 |
三、整套数据采集与使用流程
- 使用 TacClaw 触觉采集终端,由人遥操作演示各类抓取、分拣、擦拭、装配动作
- 系统同步录制视频、指尖触觉压力、动作轨迹,自动生成语言标注
- 统一做轨迹重构、多模质量校验、本体适配过滤、接触语义标注
- 导出数据集,直接喂给机器人策略模型,不需要为触觉单独搭建特殊网络
- 在多款不同结构机器人上做跨本体测试,验证零本体迁移能力
- 科研团队可以直接下载开源数据集,用来训练、微调自家具身模型
四、数据集优势与现存短板
✅ 优势
- 支持零本体迁移,一份数据给多款不同机器人使用,大幅降低数据采集成本
- 触觉数据和视觉、语言对齐,适配主流 VLA 视觉语言动作模型
- 真实多元场景,不是只在实验室固定环境采集,泛化能力更强
- 接入简单,不用改动原有模型主干,适配大量现有机器人策略
- 数据采集依赖专用 TacClaw 终端,普通团队很难复刻同等规模采集
- 侧重接触类操作,高速移动、导航类任务覆盖偏少
- 对算力要求高,完整数据集体积巨大,下载和训练硬件门槛高
❌ 短板
五、总结
TacClaw-Infinity 这次开源的万小时视触觉数据集,最大亮点就是验证了触觉数据对机器人灵巧操作的巨大增益,尤其是瓶子分类这类依赖接触感知的任务提升非常突出,同时实现跨本体迁移,打破了 “一个机器人一套专属数据” 的行业瓶颈。它给具身智能、机器人灵巧操作方向提供了一个标准化、大规模的触觉训练底座,适合高校、机器人研发团队做模型训练和算法验证,但它偏向科研底座,不是开箱即用的机器人控制程序。
【相关 FAQ】
问题 1:TacClaw-Infinity 万小时视触觉数据集开源之后,跨本体操作成功率从 50% 提升到 74% 是什么意思?
回答 1:TacClaw-Infinity 万小时视触觉数据集里的跨本体测试,是指在没有对应机器人专属演示数据的零本体迁移条件下,π0.5 策略平均操作成功率从 50% 提升至 74%,说明这套视触觉数据可以跨不同机器人本体复用。
问题 2:TacClaw-Infinity 万小时视触觉数据集,瓶子分类暴涨 44.7 个百分点这个数据怎么来的?
回答 2:TacClaw-Infinity 万小时视触觉数据集的瓶子分类任务,是 π0.5 策略在加入这套触觉数据训练之后,瓶子分类任务成功率相比只用视觉训练版本提升 44.7 个百分点,是触觉带来的收益最高的任务之一。
问题 3:TacClaw-Infinity 万小时视触觉数据集由 20 + 机构联合开源,在哪里可以获取?
回答 3:TacClaw-Infinity 万小时视触觉数据集由 20 + 机构联合开源,数据集和配套项目在 Hugging Face、魔搭 ModelScope、GitHub 平台开放下载,论文同步在 arXiv 公开。
问题 4:普通机器人开发者拿到 TacClaw-Infinity 万小时视触觉数据集,是不是必须重新设计模型?
回答 4:不需要,TacClaw-Infinity 万小时视触觉数据集的触觉信息可以直接转成图像格式输入现有策略,不用专门设计触觉专用网络架构,原有视觉语言动作模型就能直接复用。
【参考资料】
[2026-11-17](万小时视触觉数据!TacClaw-Infinity 跨本体操作成功率 50%→74%,瓶子分类暴涨 44.7 个点,20 + 机构联合开源)3D 视觉工坊
[2026-11-08](国泰海通证券机器人周报:TacClaw-Infinity 触觉数据集验证零本体迁移)慧博投研资讯
[2026-11-04](下载量破千万之后,具身数据怎样证明 “真有用”?)腾讯新闻
[2026-10-30](TacClaw-Infinity: A Large-Scale Vision-Tactile-Language-Action Dataset for Dexterous Manipulation)arXiv
[2026-10-14](TacClaw-Infinity 项目主页)GitHub
【免责声明】
本文内容基于 TacClaw-Infinity 公开论文、数据集说明与行业媒体报道整理,TacClaw-Infinity 万小时视触觉数据集面向科研开源,相关测试指标为实验室环境下的跨本体实验结果;不同机器人硬件、算法、场景下效果会存在差异,本文仅为技术资讯科普,不构成机器人研发、项目落地的选型建议。
本文来自作者[不慌云朵]投稿,不代表新品牌网立场,如若转载,请注明出处:https://www.china12315.com.cn/qyzx/202611/1458.html
评论列表(4条)
我是新品牌网的签约作者“不慌云朵”!
希望本篇文章《标题TacClaw-Infinity 开源万小时视触觉数据集跨本体操作成功率大幅提升》能对你有所帮助!
本站[新品牌网]内容主要涵盖:互联网行业的追踪与探索
本文概览:TacClaw-Infinity 是由 20 多家机构联合推出、面向机器人灵巧操作的大规模视触觉语言动作数据集,已经正式开源,它一共包含超 1 万小时同步采集数据、100 万条操作轨迹、10 亿帧画面,覆盖上千种操作任务,在跨本体测试中,π0.5 策略平均操作成功率从 50% 提升到 74%,其中瓶子分类任务的成功率直接暴涨 44.7 个百分点,核心价值就是解决机器人触觉数据难采集、不同机器人之间没法直接迁移模型的痛点,之前很多机器人训练数据只适配特定本体,换一台机器人效果就暴跌,而这套数据采用独立采集方式,采集的时候不需要目标机器人真机,采集到的触觉、视觉信息可以直接给不同结构机器人复用,不用单独给每一款机器人重新采集数据。传统机器人数据集大多只有视觉信息,缺少真实的指尖接触反馈,抓握、分拣这类需要感知力度的任务很容易失败,TacClaw-Infinity 搭配 TacClaw 触觉采集设备,同步记录画面、指尖触觉信号、动作轨迹和自然语言标注,数据来源分布在全球 50 多个地点,包含家庭、实验室、工厂、商超等真实场景,数据多样性更强,而且它不需要改造复杂模型架构,只要把触觉信息以图像形式输入原有策略,就能拿到明显效果提升,上手门槛对科研团队更友好。