天創(chuàng)機器人正式發(fā)布 T-WAVES——面向泛工業(yè)運維與應急安全救援場景的通用工業(yè)具身智能融合模型。其頂層技術架構 T-WM-VTLA-S，將視覺、語言、動作、世界模型、力觸覺與外置安全控制統(tǒng)一到可訓練、可部署、可驗證的閉環(huán)中，面向插拔、柜門開關、按鈕按壓、旋鈕旋動等高接觸、高風險作業(yè)。

工業(yè)作業(yè)，需要的不只是“看見并抓取”

工業(yè)設備操作往往包含毫米級對準、長程任務切換、接觸狀態(tài)判斷和安全約束。插槍時，視覺遮擋會讓微小偏差不可見；開柜門再按按鈕時，機器人必須理解先后規(guī)則；旋鈕與閥門操作還要區(qū)分空轉、卡阻、到位和異常阻力。T-WAVES 因此圍繞空間精度、任務編排、接觸能力、設備交互和安全可控五個維度設計。

傳統(tǒng)機器人智能更多回答“能不能完成某個動作”，而工業(yè)機器人需要回答的是：能不能在復雜、危險、不可完全結構化的環(huán)境中，穩(wěn)定、安全、可恢復地完成一項作業(yè)。系統(tǒng)不僅要看懂現(xiàn)場、理解任務和生成動作，還要持續(xù)控制風險。

T-WM-VTLA-S：目標、動作、觸覺與安全閉環(huán)

WM（World Model）：生成 subtask、goal image 和 future latent，為策略提供“下一步世界應該變成什么狀態(tài)”的目標條件。

VTLA（Vision-Tactile-Language-Action）：理解視覺與語言，并將六維力/力矩、接觸狀態(tài)等狀態(tài)力觸覺納入動作生成。

S（External Safety）：位于策略和機器人控制器之間，對工作空間、速度、碰撞距離、力/力矩閾值和任務規(guī)則進行獨立檢查，可執(zhí)行動作裁剪、重規(guī)劃、停止與人工接管。

整體鏈路是：視覺、語言、狀態(tài)和觸覺進入 VTLA 主干，World Model 生成未來目標信息，動作專家輸出機器人動作，外置安全層完成約束和過濾，再將安全動作下發(fā)到真實機器人控制系統(tǒng)。簡單來說，模型負責理解和生成，世界模型負責目標規(guī)劃，觸覺模塊負責接觸判斷，安全層負責執(zhí)行兜底。

圖1 T-WM-VTLA-S 在線閉環(huán)架構

三位一體的可信數(shù)據(jù)引擎

T-WAVES 采用微調優(yōu)先路線，將 Ego 第一視角數(shù)據(jù)、UMI 精細操作數(shù)據(jù)和機器人真機遙操作數(shù)據(jù)統(tǒng)一到 TCP-local delta action 空間：[dx, dy, dz, droll, dpitch, dyaw, gripper]。單臂與雙臂、不同末端執(zhí)行器通過 action mask 和 embodiment/action-space embedding 統(tǒng)一表達。

Ego 數(shù)據(jù)提供任務語義、目標狀態(tài)和長時序邏輯；UMI 數(shù)據(jù)擴展低成本精細軌跡并記錄指尖力觸信息；真機數(shù)據(jù)提供真實動力學、控制延遲、接觸反饋和執(zhí)行邊界。所有數(shù)據(jù)在訓練前經(jīng)過來源與標定檢查、坐標統(tǒng)一、仿真回放、碰撞與關節(jié)限位檢查、質量篩選后入庫。

三類數(shù)據(jù)并非簡單堆疊。高置信度、可重定向的 Ego 軌跡可用于學習粗粒度運動先驗，普通 Ego 數(shù)據(jù)主要監(jiān)督子任務、目標圖像和未來視覺 latent；UMI 軌跡需通過 SLAM 置信度、外參標定、速度與旋轉跳變、運動學可達性及回放驗證；真機數(shù)據(jù)數(shù)量相對較少、采集成本更高，但與部署分布最接近，是觸覺學習、接觸控制和安全邊界學習的主要來源。

圖2 多源數(shù)據(jù)統(tǒng)一可信采集系統(tǒng)

三階段微調：有限數(shù)據(jù)也能穩(wěn)定落地

Stage 1——動作空間對齊：先訓練狀態(tài)、動作輸入輸出投影與本體/動作空間嵌入，再小學習率微調 Action Expert，使模型穩(wěn)定輸出抓夾中心/TCP 局部增量動作。

Stage 2——目標條件動作：凍結 Cosmos Goal-WM 主體，訓練 Goal Encoder、Goal Adapter、Subtask Generator、目標條件注入分支及 Action Expert；混合 teacher goal、generated goal 與 dropped goal，學習由當前狀態(tài)走向下一階段目標。

Stage 3——觸覺接觸微調：引入 Tactile State Encoder、Tactile MoE、Contact Predictor 與 Next Wrench Head，使動作專家根據(jù)接觸狀態(tài)修正軌跡，在插接、按壓和旋動中提升穩(wěn)定性與可恢復性。

分階段開放參數(shù)的目的，是在有限但可信的數(shù)據(jù)條件下，降低一次性全量微調造成的災難性遺忘，也避免 Ego、UMI、真機和仿真數(shù)據(jù)因動作空間不同而相互沖突。Stage 1 解決動作空間對齊，Stage 2 解決目標條件引導，Stage 3 解決真實接觸中的狀態(tài)力觸覺修正。

圖3 從動作對齊到目標條件與觸覺接觸的三階段微調

外置安全：讓模型能力進入真實現(xiàn)場

T-WAVES 不把安全完全交給神經(jīng)網(wǎng)絡內部學習。其外置安全層延續(xù)早期聯(lián)合清華團隊發(fā)布的 VLSA 技術路線；VLSA 已被 IROS 2026 接收。安全層對 nominal action 進行風險識別、最小擾動修正與執(zhí)行許可判斷，無法修正時則拒絕執(zhí)行或觸發(fā)恢復、人工接管和急停。

安全層讀取任務、視覺、深度、TCP 狀態(tài)、觸覺和工作空間約束，對動作塊執(zhí)行限幅、碰撞距離檢查和控制屏障約束。如果動作仍處于可修正范圍，系統(tǒng)輸出最小擾動后的 safe action；如果無法修正到安全集合，則保持當前位置、降級恢復或停止執(zhí)行。這樣，安全不被隱藏在模型黑箱內部，而是形成可解釋、可測試、可持續(xù)升級的工業(yè)安全邊界。

圖4 外置安全層作業(yè)

產(chǎn)學研協(xié)同，面向真實工業(yè)任務

T-WAVES 由天創(chuàng)機器人牽頭研發(fā)：清華大學團隊為安全分層提供支持，東南大學團隊提供觸覺融合方法支持，視源股份提供機器人七軸雙臂，戴盟機器人提供力觸覺末端抓夾，承泰科技提供雷達傳感器。各方圍繞數(shù)據(jù)采集、模型訓練、機器人本體、觸覺感知和安全執(zhí)行共同構建產(chǎn)業(yè)閉環(huán)。

接下來，天創(chuàng)機器人將陸續(xù)發(fā)布插拔、柜門、按鈕、旋鈕等真實作業(yè)視頻，并持續(xù)擴展到電力巡檢、消防應急、?；幚?、礦山作業(yè)和無人值守站點。T-WAVES 的目標不是展示一個孤立 Demo，而是讓機器人在真實現(xiàn)場穩(wěn)定、安全、可恢復地“真干活、干真活”。

應用驗證：面向高接觸的工業(yè)任務

任務一：配電房旋鈕操作

機器人需要抓握旋鈕、執(zhí)行旋轉、判斷力矩變化，并在接近限位時停止，驗證 VTLA 中 force 分支的必要性。

任務二：配電房按鈕操作

機器人需要識別按鈕位置，執(zhí)行動作，在感受到按鈕按壓程度到位以后會停止按壓。

任務三：開柜門

機器人需要完成長程任務分解，先找到門把手，抓住門把手，再拉開。

任務四：按消控盤按鈕

面板識別，找到目標按鈕按壓，驗證 World Model 對 subtask 和 goal image 的作用。

任務五：自主插槍任務

機器人需要識別目標接口，完成末端姿態(tài)對準，并在接觸過程中根據(jù)力反饋修正插入路徑。

任務六：USB插拔任務

機器人自主識別USB并夾取，隨后插入USB口中，在接觸過程中調整位姿插入。

任務七：信號讀取接觸任務

機器人末端工具自主識別對接口，不斷調整位姿，柔性接插，讀取信號。

一句話總結

T-WAVES 讓工業(yè)機器人具備“看懂任務、規(guī)劃目標、感知接觸、生成動作、安全執(zhí)行”的綜合作業(yè)能力，推動機器人從單點演示走向真實工業(yè)現(xiàn)場。