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.

フィジカルAI向けソフトウェア

Contact Core - 接触リッチなデータでモデルを構築

Contact Coreは、Robotiqが提供するフィジカルAI向けソフトウェアです。モデル開発者がRobotiqのコンポーネント上で操作モデルを学習させ、実機のロボットに展開するために必要な、シミュレーションアセット、制御パッケージ、同期された接触リッチなデータインターフェースを提供します。

GitHubで入手する

専門家に相談する

含まれる機能

3つのビルディングブロック。1つの接触リッチなデータパス。

Robotiq_ContactReady_Logo

Contact Coreは現在、Contact Ready対応のRobotiqコンポーネント向けに、シミュレーションアセット、ROS 2パッケージ、接触リッチなデータインターフェースを備えています。AIカップリングと組み込み型の触覚インテリジェンスはロードマップに含まれています。

シミュレーション

NVIDIA Isaac Simアセット

Robotiqのグリッパーと触覚センサーの正確な物理モデル。シミュレーション上で接触リッチな操作を学習し、反復的に改善できます。

RobotiqのGitHubにアクセス

制御とデータ

ROS 2パッケージ

対応するRobotiqコンポーネント向けの制御およびデータ収集パッケージ。

RobotiqのGitHubにアクセス

データインターフェース

接触リッチなデータAPI

グリッパー、触覚、ロボット状態、接触データのストリームを同期。学習と展開のための、時間軸の揃った唯一の信頼できる情報源です。

適応型グリッパー

2F-85 & 2F-140

Robotiqのグリッパーと触覚センサーの正確な物理モデル。シミュレーション上で接触リッチな操作を学習し、反復的に改善できます。

触覚センサーフィンガーチップ

TSF-85

圧力、振動、固有感覚を指先で取得。より高性能な操作モデルのための、リッチなマルチモーダルデータを提供します。

Robotiq_ContactReady_Logo

統合API

AI Coupling - プレビュー

グリッパーと触覚のデータを同期し、低遅延でAIパイプラインや展開環境に提供します。

Robotiq_ContactReady_Logo

01 · センシング

接触データの取得

Contact Ready対応コンポーネントから、同期されたグリッパー、触覚、ロボット状態、接触データをストリーミング。シミュレーションでも実機でも対応します。

02 · 学習

モデルを構築

Isaac SimアセットとROS 2パッケージを使用して、接触リッチなデータを生成・ラベル付けし、フィジカルAIの学習パイプラインに取り込みます。

03 · 展開

実機コンポーネントで実行

学習に使用したものと同じContact Ready対応コンポーネント上で、接触ベースのスキルを展開します。モデル構築と本番ハードウェア間の移行作業を削減できます。

04 · 改善

ループを閉じる

展開から新たな接触データを取得してモデルを改良し、同じツールチェーンを通じて改善を展開します。

ロボット非依存

Contact Coreは特定のロボットに依存しません。RobotiqのContact Ready対応コンポーネントは複数のロボットブランドで動作します。アームはお客様が選び、接触レイヤーは当社がカバーします。

専門家に相談する

オープンソース

GitHubでContact Coreにアクセスしてください。

Contact CoreのオープンソースツールはGitHubで公開されており、開発者はドキュメント、サンプル、リリース、課題、および貢献ワークフローにアクセスできます。

›RROS 2パッケージおよびIsaac Simアセット
›サンプルパイプラインとインストールスクリプト
›データインターフェース定義とサンプルログ
›公開課題トラッカーと貢献ガイドライン

Repository

https://github.com/robotiq

GitHubで表示

ドキュメント、リリース、および貢献のワークフロー

今後の機能

組み込み型触覚インテリジェンスがContact Coreに登場します。

今後のリリースでは、組み込み型触覚インテリジェンスの追加が予定されています。これはRobotiq独自のインテリジェンスを手首部に組み込み、接触中に何が起きているかについてより高度な情報を抽出するものです。

その結果、より効率的で精密な操作が可能になり、モデル学習向けのより正確なラベル付けも実現します。

含まれる予定の機能

把持検出

スリップ検出

物体の向き

テクスチャ認識

物体認識

安定性予測

高速なローカル応答

自動ラベル付け

コボット・ワークセル

ソフトウェア

コボットの構成部品

イベント

しょるい

学習センター

ツール

Contact Core - 接触リッチなデータでモデルを構築

シミュレーション

NVIDIA Isaac Simアセット

制御とデータ

ROS 2パッケージ

データインターフェース

接触リッチなデータAPI

適応型グリッパー

2F-85 & 2F-140

触覚センサーフィンガーチップ

TSF-85

統合API

AI Coupling - プレビュー

01 · センシング

接触データの取得

02 · 学習

モデルを構築

03 · 展開

実機コンポーネントで実行

04 · 改善

ループを閉じる

ロボット非依存

GitHubでContact Coreにアクセスしてください。

組み込み型触覚インテリジェンスがContact Coreに登場します。