随着AI大模型与机器人控制加速融合，如何让机器人更便捷地接入末端设备、完成抓取任务，成为行业探索方向之一。航凯微电推出TG-9801触觉夹爪，定位为面向“AI-Ready”场景的产品：连接夹爪后，可由AI辅助查找设备、识别通信参数，并通过自然语言完成交互与自适应抓取。
机器人如何才能具备通用操作能力？端到端的VLA（Vision-Language-Action）方案，是否能够成为最佳答案，其真实效果尚值得商榷。但随着AI大模型能力不断增强，“把最后的动作交给AI”正在成为一种可能的路径——Anthropic新近发布的MHS协议，正是这种趋势的体现（目前该协议尚未公开发布标准）。
航凯微电率先将这一理念付诸实践：通过简单几步，就能让大模型认出设备，进行自适应抓取。
01.
用AI对话完成设备识别与抓取控制
传统工业与科研用夹爪的调试，往往需要工程师熟悉专属通信协议、手动匹配串口参数、反复调试指令格式，大量时间消耗在接口适配层面，而非核心的抓取功能验证。
航凯微电 TG-9801 将三维触觉感知能力与大模型对话控制深度融合，连接夹爪后，无论是查询设备状态、控制夹爪开合，还是启动自适应抓取流程，都可以直接通过自然语言向 AI 下达指令。
这一模式将末端执行器的使用门槛大幅降低，让科研人员与系统集成工程师能够从繁琐的接口调试工作中解放出来，将精力集中在抓取场景验证与算法迭代上，显著缩短研发与项目集成周期。
02.
用对话完成连接与控制
完成夹爪与通信适配器的物理连接、接入设备工具后，用户仅通过自然语言对话即可完成从设备发现到指令执行的全流程操作，核心可分为三个典型应用场景：
1找到设备
输入“找到电脑连接的夹爪”。AI调用设备工具查找串口，按支持的配置检测波特率，读取设备信息并确认连接，减少手动排查通信参数的步骤。
2读取状态
输入“读取当前夹爪状态”。AI读取在线状态、通信参数、运动状态、控制模式和当前位置，将接口返回的数据整理成文字，便于检查和调试。
3下发抓取指令
输入“打开夹爪”，或“用较低的夹持力和速度，自适应抓取物体”。AI将要求转换为接口支持的参数与动作，由夹爪控制器执行。具体力值和速度可按工件要求设定。
对话负责表达操作意图，设备控制器负责动作执行与触觉反馈调节。调试抓取时，仍需根据工件确认夹持力、速度和行程范围。
03.
为视觉抓取提供可调用的末端
TG-9801 的对话控制逻辑，正是沿着 “大模型设备工具调用” 这一技术路线设计的。在完整的视觉抓取方案中，该产品可作为标准化的触觉执行末端，与视觉系统、机械臂形成模块化分工：视觉系统负责目标识别与空间定位，机械臂负责路径规划与移动，夹爪则负责最终的抓取执行，并通过触觉反馈实时调节夹持状态。** 这种模块化架构不仅便于分步调试，也支持各环节的灵活替换与升级。以 “抓取桌上的苹果” 这类典型指令为例，完整的视觉抓取流程需要完成相机标定、目标定位、机械臂联调等多个环节，而 TG-9801 可作为其中稳定的触觉抓取单元，为科研实验、柔性分拣、多品种工件抓取等场景提供成熟的验证基础。
当前，视觉语言动作模型（VLA）已具备将图像与语言指令转化为机器人动作的能力，大模型调用硬件设备、协调多模块任务的技术路径也在高速成熟。Gemini Robotics 2同时采用具身推理与动作模型，Anthropic的MHS则探索统一设备接入，有望成为物理世界的MCP。[2][3]
从行业发展视角来看，机器人通用化的核心瓶颈之一，正是末端执行器的适配成本与交互门槛。航凯微电 TG-9801 的 AI-Ready 设计，本质上是将大模型的自然语言交互能力注入末端硬件，为 VLA 方案的落地提供了可快速验证的触觉载体。随着具身智能技术的持续渗透，这类 “原生支持 AI 调用” 的硬件产品，有望成为下一代机器人系统的核心标配。
资料来源
[1]航凯微电 HKVR-TG 9801系列产品资料
[2]Google DeepMind Gemini Robotics 2 2026年7月30日
[3]Anthropic Model Hardware Standard研究预览2026年8月27日
热门跟贴