ICRA 2026现场直击｜一只气球狗背后，一家认真“做手”的公司为何被看见

当地时间6月2日，奥地利维也纳，机器人领域顶级会议ICRA 2026现场。成立不到五个月的中国公司临界点（AGILINK），展台前围满了人。

 吸引他们驻足的，不是奔跑跳跃的动态演示，而是两只灵巧手正在缓慢折叠一只长气球。扭转、折叠、塑形——一只气球狗渐渐成形。整个过程安静到近乎单调，却让不少研究者反复观看、低声讨论。

原因很简单：所有人都知道，这件事看起来容易，实际上太难了。

1、专挑“难而真实”的问题下手

气球是机器人操作中出了名的“麻烦对象”。极轻、易爆、表面时刻滑动，形状在手中持续变化。捏紧了会爆，捏松了会滑脱。机器人不仅要连续完成几十个动作步骤，更必须在每一次接触状态变化的瞬间，实时调整力度与施力方式。

在临界点看来，这恰恰是他们想要直面的一类问题——真实世界中那些无法用预设脚本穷举的复杂接触。行业观察者也将此类能力视为具身智能走向高精度操作的关键瓶颈。一位现场研究人员评论道：“如果机器人连一只气球都无法安全处理，就很难谈什么‘通用操作’。气球像一个探针，把力控、触觉与长时序决策的弱点全部放大了。”

2、折一只气球狗，需要两种智能

临界点展示的方案，将这种能力拆解为两层协同工作的架构。

首先是运动智能层。

团队邀请专业气球艺术家进行真人示范，将动作映射至机器人，获得长时序任务的初始执行能力。执行偏差出现时，人类操作员可随时介入修正，系统则持续记录这些来自真实环境的干预数据，用于强化学习训练。机器人不是一次性学会，而是在“执行—干预—学习”的闭环中持续积累经验。

但真正决定任务成败的，是更深的接触智能层。

气球最难处理的地方不在轨迹，而在接触本身。何时加大指力，何时释放压力，何时微调接触点——这些判断很难写成规则，人类专家也难以完整描述。团队进一步采集以接触为核心的操控数据，利用强化学习让机器人自行发现隐含的接触策略，最终在“滑脱”与“捏爆”两个极端之间找到动态平衡。

用一句通俗的话概括：机器人必须学会“动手轻一点”。而这恰恰是接触智能的核心。

3、不只在算法上想办法，更在手上“较真”

如果说折气球展示的是机器人如何学习接触，那么临界点在本次ICRA上同步发布的全直驱旗舰灵巧手 OmniHand 3 Ultra-M，则回答了另一个问题：机器人如何更好地理解接触。

这已经是临界点成立五个月以来推出的第四款灵巧手。快速的产品迭代节奏背后，是一个清晰的判断：要让机器人真正具备接触智能，仅靠算法远远不够，硬件基础必须与之匹配。因为接触智能的本质，终究建立在感知与控制之上。

Ultra-M 在成年人手尺寸内集成了20个自由度，采用全直驱架构，带来更直接的力矩反馈和更高的力控带宽。行业分析指出，传统腱绳或齿轮传动方案往往存在背隙与柔顺性矛盾，全直驱正成为高性能灵巧手实现高频力响应的重要技术路径。

更值得关注的是触觉密度：整只手掌分布超过300个三维触觉感知点，每个指尖集成一枚微型视触觉传感器，可实时捕获接触位置、压力分布、微小形变与滑动趋势。单传感器力分辨率约0.005N——相当于一张纸轻压指尖的力度，空间分辨率约0.04毫米，感知密度高达50,000/cm²。

这意味着原本模糊的接触过程开始变得清晰。机器人不但知道碰到了什么，还能分辨接触发生在哪里、来自哪个方向、滑动是否正在发生，并据此规划下一步动作。展台上一段指尖轻触羽毛并还原纹理的演示，让这种感知的锐度变得直观可见。

4、成长，发生在真实世界的反馈里

这种在“手”上持续较真的态度，正在获得市场的回应。截至目前，OmniHand系列已累计交付8000余台，获得国内外众多人形机器人企业、科研机构和高校的认可。其中，已有上千台设备长期运行于真实作业环境之中。

上千台 OmniHand，每天都在面对新的物体、新的材料、新的接触场景，也会遇到新的失败。但在临界点的研发逻辑中，失败并非终点，而是同样宝贵的输入。每一次真实世界的意外、偏差与修正，都在持续回流至研发体系，成为产品迭代和算法优化的重要基础。

从第一代OmniHand到如今的Ultra-M，从实验室的受控场景到上千台设备在真实作业中积累数据，这家年轻的公司始终在做同一件事：直面真实世界的复杂接触，不回避、不绕行，并从每一次真实的反馈中获得成长。

ICRA现场那只缓慢成形的气球狗，因此不再只是一个技术演示。它更像一个恰如其分的隐喻：当一家公司认真对待“复杂接触”这件事，认真对待真实世界丢给它的每一个难题时，它的成长轨迹，也会像那只气球狗一样，在反复的调整与修正中逐渐清晰起来。