跳转至

Rho-alpha：微软把「触觉 + 人类纠错」加进 VLA

📅 2026-01-21 · 🏛 Microsoft Research · 🏷 VLA+（触觉·闭源·研究预览） 📌 一句话省流：微软第一个机器人模型，从自家 Phi 系列 VLM 派生。它管自己叫 VLA+——比普通"视觉-语言-动作"多两样：① 把触觉当一等感知输入（力觉在研）、② 能在部署时从人的实时纠错里继续学（不只训练期）。 ≈ 打比方：给 VLA 装上"手感"，还允许人在旁边随时"手把手纠一下"，它当场学。 🎬 微软官方 story ⚠️ 闭源 + 尚无论文 + 无公开性能数字：仅研究预览（Research Early Access），内部机制为官方叙述，待技术报告核。

🧰 对我们（可用性速判）

  • 对我们的用处：趋势/上界参考，非工具。它把"触觉进 VLA + 部署期人在环纠错"做成大厂路线，正撞我们触觉×VLA 主线的选题——是范式对照，不是可复现结论。
  • 真实性(前期)：微软官方博客 + Forbes/The Robot Report/TechRadar 多家交叉，存在与方向 ✅已核；但无论文、无数字、闭源 → 内部架构/效果 🟡待验证。
  • 训练/微调资源：微软级。共训 = 真机演示轨迹 + 仿真任务 + web 级 VQA，自建不可比。
  • 能借多少(开源)：❌ 闭源，仅 Research Early Access Program。
  • 可用性结论：仅趋势/方向参考（拿不到模型）。

亮点（据官方 + 权威媒体，尚无论文）

  • "VLA+"的加号：在标准 VLA 上加两条——(a) 触觉作感知输入（force 力觉在研）；(b) 部署期从人类纠错中学（用 3D 鼠标等遥操作设备实时给纠正）。
  • 专门的分离式架构：触觉是高频连续的力/阻力信号，塞不进离散 token，微软为此单独工程化了一套架构来并轨处理触觉流与视觉语言。
  • 共训策略：真机演示 + 仿真任务 + web 级视觉问答 → 让"触觉行为"与"视觉语言理解"融为一体。
  • 硬件与基准：双 UR5e 协作臂 + 触觉传感器，也在人形上测；用微软自家 BusyBox 物理交互基准；演示是纯视觉最易崩的活——插插头入插座 / 把托盘放进工具箱并合盖（要靠力觉与触觉对准和判阻力）。
  • 出身：微软首个机器人基础模型，从 Phi 系列 VLM 派生。

🧬 与其他工作的关系

  • 同期"大厂补感知层"三件套：Google DeepMind Gemini Robotics-ER（空间推理，见 卡片-Gemini-Robotics）· Meta FAIR Digit 360 + Sparsh（开源触觉栈，见 卡片-Sparsh）· 微软 Rho-alpha（触觉 VLA+）。三家分别补"空间推理/触觉硬件与表征/触觉+纠错的动作模型"。
  • 与我们已有触觉 VLA 卡同域：卡片-OmniVTLA（帕西尼，语义对齐触觉）· 卡片-Tactile-VLA · 卡片-VLA-Touch · 卡片-HapticVLA——Rho-alpha 的差异点是部署期人在环纠错这条学习维度。

关键数字（每条带来源 [n]）

  • [1] 发布日 2026-01-21；微软称完整技术描述"未来数月"放出。✅（官方+The Robot Report）
  • 性能数字：无公开数字（研究预览，未放基准结果）。🟡

🔎 证据与可信度（见 _卡片规范）

  • 官方：Microsoft Research story（✅ 存在与技术方向）。
  • 论文/代码/数据：❌ 均无（闭源；仅 Research Early Access）。
  • 第三方：Forbes、The Robot Report、TechRadar 等多家报道（✅ 交叉印证存在，非独立复现）。
  • 证据等级：B（官方 + 多家权威媒体，但无论文无数字）→ 权重：中。

🧪 复现条件与成本

  • 不可复现：闭源 + 微软级数据/算力。价值在趋势/范式边界。

💡 我的批注 / 判断（🤖，待人复核）

  • 三大厂同时补"机器人感知/触觉"这层，印证触觉×VLA 是当前风口，我们主线选题站在对的方向上。
  • Rho-alpha 最贴我们的两点：触觉当 VLA 一等感知输入 + 部署期人在环纠错学习——后者是多数触觉 VLA 卡（含 OmniVTLA）没强调的维度，值得单独盯。
  • 清醒点：无论文、无数字、闭源、仅预览——当方向/上界看，别当可复现结论。等技术报告出来再升级本卡。

来源编号

  • [1] 微软官方 story（✅）· The Robot Report 报道 · Forbes 报道。
  • 线索出处：Utkarsh(@utk7arsh) X 长文《Physical AI: The Robot Can See. It Still Can't Feel.》（二手观点稿）；事实以微软官方 + 权威媒体为准。