微软发布首个机器人模型Rho-alpha，以Phi为底座加入触觉并从人工纠正中学习

微软正式入局通用机器人大脑之争。微软研究院于2026年1月21日发布Rho-alpha，称其为公司首个机器人模型，可将自然语言指令转化为双臂机器人操作的控制信号。

据微软公告，Rho-alpha源自微软Phi系列视觉语言模型。微软将其定义为"VLA+"模型。常规视觉语言动作（VLA）模型以摄像头图像和文本指令为输入、输出机器人动作；微软称Rho-alpha在感知端加入触觉，在学习端引入人工实时纠正。力觉感知仍在开发中。

演示内容

微软在其研究院提出的物理交互基准BusyBox上展示了Rho-alpha按自然语言指令按按钮、拉线、拨开关、把旋钮转到指定位置和推动滑块。在由两台加装触觉传感器的UR5e机械臂组成的双臂平台上，模型完成了将插头插入排插、整理工具箱等任务。UR5e是泰瑞达旗下丹麦优傲机器人的协作机械臂。

当机器人卡住时，操作员可通过3D鼠标等遥操作设备介入。微软表示团队正在开发工具和适配方法，让模型在部署过程中从这些纠正中学习。微软研究院加速器公司副总裁兼董事总经理Ashley Llorens表示，目标是让机器人在非结构化环境中与人协作，自主感知、推理和行动。

训练方法

带触觉的机器人数据尤其稀缺，这决定了训练方案。微软称Rho-alpha联合使用真实示教轨迹、仿真任务和网络规模的视觉问答数据进行训练。真实数据来自遥操作示教以及商业和公开数据集；合成数据则在Azure上运行英伟达开源的Isaac Sim框架，通过多阶段强化学习生成。

英伟达机器人与边缘AI副总裁Deepu Talla在公告中表示，Isaac Sim生成的物理精确合成数据可加快此类基础模型的训练。华盛顿大学助理教授Abhishek Gupta则指出，许多场景下遥操作难以落地，需要仿真与强化学习补充数据。

开放节奏与未披露信息

Rho-alpha尚非商用产品。微软面向机器人厂商和系统集成商开放研究早期访问计划，并表示之后将通过其AI模型平台Microsoft Foundry提供，但未给出时间。微软称正在双臂平台和人形机器人上评估模型，计划推出云端工具让合作伙伴用自有数据训练和适配，并将在未来数月发布技术说明。参数规模、成功率和客户名单均未披露。

竞争格局与中国同行

赛道已相当拥挤。一周前的1月14日，Skild AI宣布完成14亿美元C轮融资，估值逾140亿美元。Physical Intelligence、拥有Helix模型的Figure AI、谷歌DeepMind的Gemini Robotics以及英伟达的开源GR00T模型都在争夺通用机器人策略。多数玩家以视觉和语言为主，微软则押注触觉和部署中纠正。

对中国产业链而言，Rho-alpha的路线与国内厂商形成对照。智元机器人、银河通用、宇树科技等企业更多依靠自有本体和数据采集场积累真机数据，模型与硬件深度绑定；微软则不造机器人，试图以云平台和仿真数据服务第三方硬件。若Foundry路线跑通，海外中小机器人厂商可能多一个现成大脑选项，这会加剧中国整机企业在海外市场面临的软件生态竞争。与此同时，模型对触觉数据的依赖，可能为国内触觉传感器和灵巧手供应商带来新的出口机会。