一台人形机器人在实验室里后空翻惊艳全场，走进工厂却连一颗螺丝都拧不稳——这样的落差，正在具身智能行业反复上演。行业共识随之形成：下半场拼的不是单点算法，而是“大脑-小脑-本体”一整套能力的整体交付。
大脑决定够不够聪明，小脑决定够不够稳，本体决定这一切依托怎样的躯体运转，而灵巧手，则是机器人进入物理世界的最后一厘米。任何一环有短板，整套系统在真实场景中都会原形毕露。
当地时间11月9日至12日，机器人学习领域顶级会议CoRL 2026在美国得克萨斯州奥斯汀举行。这场会议的“硬核”之处有二：论文录用以严苛著称，入选者凤毛麟角；研究成果必须在真实机器人上跑通——Demo区里跑不通的，说得再漂亮也没人买账。
在这场“真机大考”中，以力控和全栈能力见长的天机智能交上了自己的答卷。
这家以“人形力控臂”著称的独角兽，以“TIANJI+Gento”双品牌参展，它将力控能力延伸至执行末端——全球首次亮相的21自由度直驱灵巧手，成为全场最受瞩目的重磅新品；同步携Marvin Pro、Gento Luna两大力控平台进行真机演示。
CoRL的真考场
正在从论文走向现实
过去一年，无论在国际大型行业峰会还是AI顶级学术会议，“Physical AI”都是绕不开的存在。
一个清晰的共识正在形成：这项技术的终极考场，不在论文的基准测试、仿真环境的排行榜，或展台上循环播放的演示视频里，而在真实工厂的产线与真实生活的场景中。
这一产业判断，在CoRL 2026上得到了学术端的明确呼应。作为全球机器人学习领域的顶级学术会议，CoRL（机器人学习大会）历来被视为行业重要风向标，汇聚了MIT、斯坦福、卡内基梅隆等全球顶尖高校科研团队、AI实验室与人形机器人产业从业者等。
除学术报告与工作坊外，大会还特设企业Demo展区，NVIDIA、Google、DeepMind等全球头部企业悉数到场，成为观察技术产业化潜力的绝佳窗口。
中国本土企业天机智能携“TIANJI+Gento”双品牌登场，现场更是携自研21自由度直驱灵巧手首次亮相，吸引业内人士频频驻足、咨询不断。
21自由度灵巧手全球首秀
物理AI的末端执行“答卷”
在仿真环境中，捏取、拨弄对灵巧手而言轻而易举；可一旦进入真实物理世界，摩擦、物体形变与复杂接触力便会接踵而至，动作的完成度大打折扣。仿真与现实的鸿沟，恰恰让物理AI成为检验灵巧手硬件真实功底的试金石。
任何在仿真中可以被掩盖的硬件缺陷，到了真机上都会被接触力无情地放大：传动回差大，导致数据与位控漂移；传动结构脆弱，抗冲击性不足；缺乏原生可反驱能力，抓握交互动作生硬；以及指尖额定力偏小，抓大物不稳、长时间保持发热严重等问题。
可以发现，当具身智能真正走向物理AI，决定成败的关键又重新回到了硬件本身。
天机此次在 CoRL 2026 上首次亮相的21自由度直驱灵巧手，正是对这一判断的回应。理解这款产品的关键，不在于自由度的数字，而在于其方法论：将天机在力控臂与整机平台上验证成熟的力控工程体系，直接复用至灵巧手，把“回差大、传动脆弱、不能反驱、同尺寸下指尖出力不足”四大共性痛点，逐一对应到结构答案；不是单一指标领先，而是系统性地同时解决。
全关节直驱架构带来的第一重收益，是力信号的纯净。高精度零背隙的刚性传动设计从源头消除机械间隙，力反馈不衰减、不漂移，免于频繁校准，装完就能用，用久也不飘。
在力控层面，采用全关节反驱+柔顺MIT模式：全关节实现100%物理可反驱，人手就可直接掰动每根手指，不伤机构本体；配合原生支持的 MIT 柔顺力/位混合控制，通过力矩-位置双指令构建可变刚度，遇阻自动退让，像人手一样，会顺着力走，这恰是对行业通病的釜底抽薪。
此外，在力密度与耐用性上，它的表现同样不俗：750g 整机自重与±0.05mm 重复定位精度下，实现10N指尖额定出力，体积不增、力量更大，且低损耗传动有效抑制持续温升；传动链针对意外碰撞与过载专门设计，抗冲击、耐过载；现场磕碰、跌落、过载抓握不轻易损坏，有效降低维护与更换成本。
综合来看，天机智能交付的并非一只以参数见长的灵巧手样机，而是一套维护要求更低、力控表现更优、可直接投入高频真机使用的生产力工具。
物理AI的浪潮正推动灵巧手从“演示品”走向“生产资料”，硬件层面的差距终究需要硬件能力来弥合——而这一进程的落地，或许比业界预期的更为临近。
英伟达GR00T 2发布
验证天机“力控”基座可靠性
天机智能出现在CoRL 2026现场，并非只是参展——它带着一套明确的答案，来回应具身智能行业当前最核心的争论：模型与硬件，究竟谁该为物理AI的落地负责？ 而这个争论的另一个主角，恰好也在现场。
同场，英伟达发布了新一代机器人基础模型GR00T 2。这款世界动作模型能联合预测未来视频与机器人动作，实现跨形态迁移与少样本适应，并在50项力控精细任务中拿下95%的平均成功率。
但比成绩更关键的，是行业的一大技术转向：力不再是感知输入，而是动作输出。模型直接输出力控指令，在抓取、装配中实时感知接触力变化、动态调整施力大小与方向——面对插拔接口、拧螺丝这类难以精确建模的场景，机器人像人一样“摸着做”，而非依赖预先规划。
这意味着，物理AI落地的经典痛点被再次摆上台面：大模型在仿真里跑得很顺，一到真机接触就失效；策略在实验室验证过，换一台机器、换一个环境就不可复现。问题往往不在模型，而在执行硬件——真机数据不够、遥操不够稳、采集不够准。
GR00T 2对力控输出的高要求，实质是对基座平台的一次严苛筛选：输出力的精度、感知力的分辨率、数据采集的信噪比，缺一环，95%的成功率就会在真机上打折扣。
本次GR00T 2演示的基座，正是天机Marvin Pro。作为固定式力控人形双臂平台，它的设计逻辑很朴素：舍弃移动冗余，把资源全部留给双臂的精度与力控。两者结合的意义在于：GR00T 2让固定工位上的长程精细操作不再依赖逐帧遥操作，Marvin Pro则提供了能兑现这份智能的工业级“身体”。
这一刻，硬件负责稳定执行，模型负责智能决策——而在这套平台上验证过的力控能力，也有望迁移到不同构型的机器人本体上。简言之，GR00T 2让机器人“想得见物理世界的下一步”，Marvin Pro让它“稳稳把那一步做出来”。
以“力控”为核心的
全栈技术纵贯线
本届CoRL天机展位现场，天机还设置了两组可互动演示的机器人，观众可近距离感受“力控”机器人带来的不同体验。
两组演示背后，真实世界的接触是动态、不可预测的，机器人必须能实时“感知”力并据此调整动作，机器人的交互体系正在从“走到点位”变成“以合适的力，完成每一次接触”。
Gento Luna回答的是“如何安全地接触”。观众对它挥手、比心，它实时模仿观众的动作，还能主动伸手击掌，互动结束后还会自然地从桌上拿起笔盒递出。但其看点不在动作有多炫，而在于更本质的事：安全、自然的人机物理接触，第一次真正走出了实验室。
Luna在与人“贴身”互动时能实时感知外力、顺应调整，而非僵硬地执行预设轨迹——这正是人机协作从“保持安全距离”迈向“身体接触级互动”的技术前提。
如果说Luna解决的是“接触”这一半，Marvin Pro回答的则是“操作”那另一半。观众用英语下达语音指令，它便从杂乱摆放的物品中识别目标、稳稳抓起、递到人手中。这条“语音指令→视觉识别→抓取递送”的完整链路，演示的是大模型的高层语义指令如何一步步被“翻译”成末端的精细动作。
其背后是自研的MarvinGrasp智能抓取系统模型，将视觉感知、三维空间理解与自主运动规划融为一体。而同场全球首展的21自由度直驱灵巧手，正是这条能力链路的末梢一环——它既是本体层力控能力延伸至指尖末梢的集中亮相，也是“含力”数据最密集的采集源，这正是当前具身智能最稀缺的物理接口。
作为具身智能基础设施公司、具身力控操作本体的定义者，天机智能的定位十分明确：成为连接AI大模型与物理世界的关键桥梁，构建以力控为核心、自下而上贯通的“大脑+小脑+本体（含灵巧手）”完整能力栈。
这条主线在“本体”层，力控是根基。天机智能是全球首家研发MEMS 关节扭矩传感器并实现规模化量产的企业，从源头实现力控核心部件自主可控。在此基础上，轻量一体化力控关节模组较同类竞品轻25%、力矩环带宽最高160Hz，从手臂关节到灵巧手末梢，赋予本体“手上有数”的物理条件。
在“小脑”层，力控是范式。柔顺阻抗控制与力控算法实现力控平移刚度15,000N/m，自研速度预测前馈算法将轨迹延迟压至5ms、平均跟踪误差仅 1.89mm——完成了从“位置控制”到“力与阻抗控制”的跃迁：机器人不再僵硬地“走到点位”，而是能像人手一样与环境柔性接触、动态调整。
而当“本体”与“小脑”融合落地，Gento整机与灵巧手便是结晶。其中，Gento依托本体与小脑能力的叠加，使其成为面向Physical AI的可靠力控机器人平台，关节力控绝对精度≤0.3N·m、力矩分辨率≤0.01N·m、作用力重复精度≤0.15N。
灵巧手的加入，则让整套链路正式闭环。天机自研模型充当大脑负责任务理解，Fusion X作为小脑完成指令翻译，Marvin Pro、Gento Luna实现空间运动，灵巧手执行指尖精细交互，全套力觉、图像、位姿数据回流，支撑模型闭环迭代训练。
层与层之间不靠拼接、不靠外购，而是由一条贯穿始终的技术主线串联，这或许才是天机智能最容易被低估的地方。
当大多数全球头部AI公司与顶尖高校都在用它的力控臂采集最稀缺的“含力”真机数据时，天机智能这家中国本土企业卖的不是一台机器人，而是把“用力”这件事，做成一套可交付、可复制、可规模化的基础设施。
物理AI比拼的是系统
而非单点参数竞赛
Physical AI下一阶段的竞争，核心是“触碰”——走进真实世界之后，能否稳定工作、持续创造价值。会打榜、会刷分、会在仿真里跑通，都不再是门槛；真正难的，是让机器人用恰到好处的力，去接触真实的人与物。
回望本届CoRL，这个判断愈发清晰：缩小Sim-to-Real的鸿沟，不能只寄希望于算法优化，硬件基础设施的进步同等关键——机器人的上限由“大脑”决定，下限由硬件决定。
具身智能的竞争，已经从“会不会动”，进入“会不会恰到好处地用力”。
