Physical AI, also called embodied AI, is AI paired with a robot that perceives, decides and acts in the real world. It lets machines interpret their environment, make decisions and carry out tasks autonomously — reaching, grasping, manipulating and interacting with objects. Because those actions depend on real physical contact, hardware and sensing play a central role in making Physical AI work.

Why is data the main bottleneck in Physical AI?

Physical AI needs far more real-world interaction data than exists today. Unlike text, that data cannot be scraped — it has to be generated one trajectory at a time, on physical robots. The rate at which reliable, contact-rich data is collected now limits how fast generalist robot policies improve.

Why isn't vision enough for robot manipulation?

Vision shows what an object looks like, not what it feels like to grasp. Forces, torques, pressure and vibration only register on contact — and those signals decide whether a grasp holds, an insertion succeeds, or a fragile part survives. The strongest manipulation models combine vision with force-torque and tactile data at the end-effector, which is why instrumented grippers and wrist sensors are becoming standard in Physical AI pipelines.

How does Robotiq support Physical AI foundation model training?

Robotiq provides the physical interaction and feedback layer Physical AI models need. Adaptive grippers, the FT-300-S force-torque sensor and the TSF-85 tactile fingertips generate synchronised, multimodal data — force, torque, pressure, vibration and proprioception — for policy learning. Standardised ROS packages and NVIDIA Isaac Sim assets bridge simulation and reality, while 17 years of industrial-grade hardware design makes the resulting data reliable at scale.

Which Robotiq products anchor a Physical AI stack?

Three product families cover the perception-to-action loop. Adaptive grippers: 2F-85 (85 mm stroke, 5 kg payload), 2F-140 (140 mm, 2.5 kg), and Hand-E (50 mm, 7 kg). Tactile fingertips: the TSF-85, which swaps onto the 2F-85 and 2F-140. Force-torque: the FT-300-S, a 6-DOF sensor with ±300 N range and 500% overload capacity. All integrate with ROS, ROS 2 and NVIDIA Isaac Sim.

How reliable is Robotiq hardware?

Robotiq grippers are built for industrial duty cycles. The 2F-85 and 2F-140 carry a 2-million-cycle warranty at IP40, and the Hand-E a 5-million-cycle warranty at IP67. In practice, most units run well beyond those numbers. The TSF-85 is rated for over 1.5 million cycles. That durability matters in Physical AI because every hour a robot stays running is an hour it can collect training data.

What does the TSF-85 tactile sensor measure?

The TSF-85 captures three signals at the fingertip. Pressure is read across a 28-taxel capacitive array for contact shape and intensity. Vibration is sampled at 1000 Hz to detect slip. An IMU tracks fingertip orientation. It swaps onto the 2F-85 and 2F-140 without reducing gripper stroke.

Software für Physical AI

Contact Core – Modelle mit kontaktreichen Daten erstellen

Contact Core ist die Software von Robotiq für Physical AI. Sie liefert Modellentwicklern die Simulationsassets, Steuerungspakete und synchronisierten kontaktreichen Datenschnittstellen, die sie benötigen, um Manipulationsmodelle auf Robotiq-Komponenten zu trainieren und auf echten Robotern einzusetzen.

Auf GitHub abrufen

Mit einem Experten sprechen

Simulation

NVIDIA Isaac Sim-Assets

Präzise physikalische Modelle der Greifer und taktilen Sensoren von Robotiq. Trainieren und iterieren Sie kontaktreiche Manipulation in der Simulation.

Robotiq GitHub aufrufen

Steuerung & Daten

ROS 2-Pakete

Steuerungs- und Datenerfassungspaket für kompatible Robotiq-Komponenten.

Robotiq GitHub aufrufen

Datenschnittstellen

API für kontaktreiche Daten

Synchronisierte Datenströme von Greifer, Taktilsensorik, Roboterzustand und Kontakt. Eine einzige zeitlich abgestimmte Datenquelle für Training und Deployment.

Adaptive Greifer

2F-85 & 2F-140

Präzise physikalische Modelle der Greifer und taktilen Sensoren von Robotiq. Trainieren und iterieren Sie kontaktreiche Manipulation in der Simulation.

Fingerspitzen mit Taktilsensor

TSF-85

Druck, Vibration und Propriozeption werden an den Fingerspitzen erfasst. Reichhaltigere multimodale Daten für leistungsfähigere Manipulationsmodelle.

Robotiq_ContactReady_Logo

Einheitliche API

AI Coupling – Vorschau

Synchronisiert Greifer- und Taktildaten und liefert sie mit geringer Latenz an KI-Pipelines und Deployment-Umgebungen.

Robotiq_ContactReady_Logo

01 · ERFASSEN

Kontakt erfassen

Übertragen Sie synchronisierte Daten von Greifer, Taktilsensorik, Roboterzustand und Kontakt aus Contact Ready-Komponenten – in der Simulation oder auf echter Hardware.

02 · TRAINIEREN

Das Modell erstellen

Nutzen Sie Isaac Sim-Assets und ROS 2-Pakete, um kontaktreiche Daten zu generieren, zu kennzeichnen und in Ihre Physical-AI-Trainingspipelines einzuspeisen.

03 · EINSETZEN

Auf echten Komponenten ausführen

Setzen Sie kontaktbasierte Fähigkeiten auf denselben Contact Ready-Komponenten ein, mit denen Sie trainiert haben. Reduzieren Sie den Übersetzungsaufwand zwischen Modellentwicklung und Produktionshardware.

04 · VERBESSERN

Den Kreis schließen

Erfassen Sie neue Kontaktdaten aus dem Einsatz, verfeinern Sie das Modell und führen Sie Verbesserungen über dieselbe Toolchain ein.

Roboterunabhängig

Contact Core ist nicht roboterabhängig. Die Contact Ready-Komponenten von Robotiq funktionieren mit mehreren Robotermarken – Sie wählen den Arm, wir übernehmen die Kontaktschicht.

Mit einem Experten sprechen

Open source

Contact Core auf GitHub abrufen.

Die Open-Source-Tools von Contact Core sind auf GitHub verfügbar, wo Entwickler auf Dokumentation, Beispiele, Releases, Issues und Beitragsworkflows zugreifen können.

›ROS 2-Pakete und Isaac Sim-Assets
›Beispiel-Pipelines und Installationsskripte
›Datenschnittstellendefinitionen und Beispielprotokolle
›Offener Issue-Tracker und Beitragsrichtlinien

Repository

https://github.com/robotiq

Auf GitHub ansehen

Dokumentation, Releases und Beitragsworkflow

ZUKÜNFTIGE FUNKTION

Integrierte taktile Intelligenz kommt zu Contact Core.

Künftige Releases sollen die integrierte taktile Intelligenz hinzufügen – die proprietäre Intelligenz von Robotiq, die im Handgelenk integriert ist und übergeordnete Informationen darüber extrahiert, was während des Kontakts geschieht.

Das Ergebnis: effizientere, präzisere Manipulation sowie genaueres Labeling für das Modelltraining.

VORAUSSICHTLICH ENTHALTEN

Grifferkennung

Schlupferkennung

Objektausrichtung

Texturerkennung

Objekterkennung

Stabilitätsvorhersage

Schnelle lokale Reaktionen

Automatisches Labeling

Cobot-Anwendungslösungen

Cobot-Komponenten

Veranstaltungen

Dokumente

Lernzentrum

Werkzeuge