临界点发布OmniGlove Pro数采手套：灵巧手已跑通72道工序

2026年10月29日，在智元创新日·灵巧操作分论坛上，临界点（AGILINK）亮出了灵巧手迈向工业真实工况的关键一步。

绍兴卧龙产线的POC验证工位上，OmniHand灵巧手给同系列灵巧手做起了出厂整机性能测试。从物料上料、螺丝锁固到自检、下料归位，连续跑完72道工序，全程没有人工实时干预。单轮用时8.5分钟，比熟练人工的8分钟慢30秒，任务成功率98%，可连续作业8小时。

OmniHand灵巧手正在对同系列灵巧手做出厂整机性能测试（图源/企业）

难度最大的是螺丝锁固。防脱螺丝本身就存在毫米级晃动，再加上螺丝枪自重、线缆牵拉带来的反冲，手部只要偏1毫米，枪头末端的偏差就会被放大到3至4毫米。测试时，团队还人为制造了机械臂推动、工装底座偏移、光照变化等干扰，灵巧手靠视觉与触觉联动实时纠偏，拧入失败也能自动回退、重新对位。

作业能稳住，靠的是真机强化学习对单步操作能力的打磨，以及工业部署智能体框架的托底。后者管的是工序校验、失败回滚，还有工站之间的状态同步。

绍兴卧龙产线（图源/企业）

临界点CEO乔天杰把这次产线测试看作灵巧手行业从开发态转向部署态的标志性节点。他的说法是：“开发态比的是Demo精不精彩，部署态考核的是节拍、成功率、稳定性和ROI。”

在他看来，夹爪迭代数十年，能覆盖工业场景70%至80%的确定性工序；灵巧手要啃的是剩下20%至30%夹爪干不了的复杂精细操作。用通用灵巧末端执行器，可以适配多类工序，传统产线专机专用带来的改造成本和场景局限也能少一些。

产线POC验证了硬件与作业框架在真实工位上的可行性，也把行业长期存在的数据短板摆上了台面。

临界点首席具身科学家黄碧丹指出，眼下多数灵巧操作模型训练都依赖纯视觉数据集，力反馈、触觉滑动这些真实物理交互信息是缺的。模型在仿真里表现很好，迁到真实物理环境却很容易失效；温度、剪切力、接触形变这类触觉维度，很难靠仿真生成，只能通过真实物理交互采集。

主流的两类数据采集路径，各有各的短板。真机遥操采到的数据质量高，但成本昂贵，极度依赖专业操作人员，很难大规模扩量；第一人称Ego人手视角数据获取门槛低、场景覆盖广，可单纯靠视觉跟踪，缺真实触觉信息，精度有限，更多只适合预训练，撑不起高精度精细操作任务。

针对这些痛点，临界点在活动上正式发布OmniGlove Pro数采手套，并开启量产交付，想从数据源头确立新的质量评判标准。

OmniGlove Pro数采手套（图源/企业）

过去数采多拿视觉层面人手动作复刻的相似度当标尺；“真机Ready”的核心逻辑是，人手在特定场景完成操作，经手套采集与后端处理后，机器人本体能在相同场景条件下复现完整任务，以此作为数据合格的核心判定依据。

硬件方案上，OmniGlove Pro把EMF磁场定位和IMU抗干扰融合用在指尖，整只手布满高密度触觉感知点，位姿和触觉信号都以高帧率输出，手套整体重量压在较轻的水平。换成织物手套形态后，指尖定位的基准由EMF提供，柔性形变造成的末端定位误差，则靠全手触觉点位来补偿。

形态选型上，团队挑了织物手套方案，对日常操作侵入性更低，更适合长时间、大规模持续采集。另外，临界点自研的OmniHand灵巧手本体出厂时同样配置织物触觉手套，数采手套与执行本体在触觉点位分布和外形上尽量对齐，为的是降低从人类采集数据向机器人执行端映射时的信息损耗。

按官方数据，2026年10月为止，临界点OmniHand系列灵巧手累计量产已经超过1.5万台。在乔天杰看来，灵巧手要走向商用部署，万台级量产是第一道基础门槛；到了这个量级，供应链交付稳不稳定、整机良率能不能收敛、成本能不能往下探，才算有了现实条件。

智元创新日·灵巧操作分论坛（图源/企业）

工业与商用服务两条真实部署线一直在跑、一直在迭代，临界点灵巧手借此在珠海长隆的商用交互场景里进入常态化运行；卧龙电驱那边的灵巧手工位，预计年内完成正式产线并线。

从卧龙产线的工位验证，到OmniGlove Pro建立“真机Ready”的数据采集标准，临界点想跑通的是一条闭环路径：真实部署场景产生交互数据，高质量采集数据反哺模型迭代，迭代后的模型再解锁更多新工序。

活动现场，临界点宣布向本体厂商、场景集成方和模型研发团队开放触觉数据、操作模型与工业部署框架，靠生态协作扩大数据供给和场景覆盖。