机器人学会手感，先让人摸到夹爪的力

Yinghao Xu 在发布 FOMI 时写了一句很直白的话：做了一年机器人预训练，最后用惨痛方式学到，数据就是一切。FOMI 要解决的是数据采集里最麻烦的一类任务，接触丰富操作。机器人要学会捏碎不了一枚脆芯片、把管子插进孔、洗碗、拉开包装袋，示范数据里必须带着手感。现有手持采集工具能让人不碰机器人就采数据，但操作者很难感到夹爪碰到了什么。Yinghao Xu 说，FOMI 保留 UMI 那套手持、无机器人的采集方式，补上了操作者缺的东西：你能感到夹爪摸到了什么。不用力传感器，不用电机。

它的外形像一把剪刀。每个手柄、扇形齿轮和传动连杆是一整块刚性件，夹爪处的接触力直接传回手上。中间没有齿条齿轮，没有回差，也没有回位弹簧。Yinghao Xu 的解释是，你感觉到的力来自物体，不来自机构。两个啮合的扇形齿轮让两片夹爪对称运动，开合匹配 Robotiq 2F-85。整个开口范围内，手上的力大约是夹持力的二分之一到三分之二。

同一套设备也能当遥操作控制器。项目页写得很清楚，遥操作模式依赖视觉反馈，机械限位只指示夹爪宽度命令的边界，不传递物体交互力。这个细节值得注意，FOMI 在无机器人采集时强调力反馈，在遥操作时力反馈的边界并没有被说成万能。

数据采集效率是发布里的主结果。团队在四个接触丰富任务上对比接口：拿脆芯片、插管、洗碗、拉开包装袋。三个操作员都没有操作过机器人。无机器人采集时，FOMI 每 10 分钟 17.8 条成功示范，UMI 13.8 条，高 29%。遥操作时，FOMI 8.4 条，GELLO 7.1 条，高 18%。完成率也同向：无机器人采集 86.6% 对 64.6%，遥操作 75.6% 对 54.0%。Yinghao Xu 的解释是，操作者能感到接触并实时调整，失败尝试更少。

策略学习结果更直接。团队用 π0.5 视觉语言动作模型分别微调无机器人采集和遥操作采集的数据。每个任务约 100 条无机器人示范，平均成功率 78.4%。每个任务 25 条遥操作示范，平均成功率 70.5%。项目页还给了 25、50、100 条示范下的成功率和进度率曲线。

回复里有人追问关键问题。AI Quanting 说，力数据是没法靠爬取得到的那类数据，FOMI 手持，力通过人的手臂回传，这个剖面搬到真实机器人夹爪上还能保留吗？Dot 问，如果成功示范数量相同，FOMI 数据训练出的策略还会领先多少？这样能区分采集更快和单条示范质量更高的贡献。JD Clark 问，力反馈能不能也记录下来用于策略训练，有些任务需要策略自己控制握力。Broky Lu 提到，拿芯片任务里连杆摩擦很关键，低启动力摩擦能帮操作者区分夹爪尖端的轻接触和机构内部阻力。

这些追问没有被发布结果直接回答完。FOMI 的价值很清楚：它把接触力变成采集时的实时信号，让无经验操作员更快采到更成功的接触丰富示范。但手持工具回传到人手的力，和机器人夹爪执行时看到的力，是不是同一种东西，仍需要实验拆开看。数据重要这句话已经不需要重复，接下来要回答的是采什么数据、怎么采、采到的信号能否迁移。论文链接在 arxiv.org/abs/2610.19839，项目页在 robbyant-research.github.io/FOMI。硬件设计、代码和数据集会发布。