美国加州圣荷塞，2026年3月18日 —— 在 NVIDIA GTC 2026 上，Sharpa 展示了其灵巧机器人技术在真实环境中的稳定表现，并在大会首日被 NVIDIA 创始人兼 CEO 黄仁勋在主题演讲中重点提及。
美国加州圣荷塞，2026年3月18日 —— 在 NVIDIA GTC 2026 上，Sharpa 展示了其灵巧机器人技术在真实环境中的稳定表现，并在大会首日被 NVIDIA 创始人兼 CEO 黄仁勋在主题演讲中重点提及。
这一展示释放出一个明确信号：机器人正在从“被编程执行”，转向“从人类数据中学习”，而 Sharpa 正处在这一技术转变的重要位置。
在现场演示中，Sharpa 的灵巧机械手 Wave 展示了掌内旋转（in-hand manipulation）等高难度操作能力。这类精细动作长期被认为是机器人领域最具挑战性的能力之一。更重要的是，这些能力通过在 NVIDIA Isaac Lab 仿真平台训练获得，并被稳定迁移到真实世界系统中。
相比主要依赖视觉的机器人方案，Sharpa 专注于触觉驱动的灵巧操作。这一能力被认为是机器人完成复杂现实任务的关键门槛。
这种从仿真到现实（sim-to-real）的稳定迁移能力，是机器人规模化落地的核心瓶颈之一。Sharpa 的进展表明，这一瓶颈正在被系统性突破。
Sharpa 的技术路径建立在两个核心能力之上：一是通过仿真环境进行大规模技能训练；二是结合视频与触觉数据，训练其视觉-触觉-语言模型（VTLA），使机器人能够学习人类的操作方式，并实现更高程度的自主化。
为支撑这一训练范式，Sharpa 与 NVIDIA 联合开发 Tacmap 仿真触觉系统，作为触觉驱动机器人学习的重要基础设施；Sharpa 研究副总裁朱雪洲在 GTC 会议上进一步阐述了这一技术路径：以高自由度灵巧手为载体，将触觉信号引入学习闭环，从而提升复杂操作能力、提高数据效率，并显著缩小 sim-to-real 差距。
与此同时，Sharpa Wave 灵巧手已被 NVIDIA GEAR 实验室用于数据驱动的机器人学习研究。双方合作验证了一条关键路径：机器人可以直接从大规模人类视频数据中学习复杂操作能力，并在真实系统中稳定执行。
这一能力建立在 Sharpa 仿人手的硬件设计之上。Wave 采用与人类手部1:1的尺寸与构型，并配备触觉感知，使人类操作数据能够更直接地映射到机器人系统中，从而显著降低了人类与机器人之间的“形态差距”（embodiment gap）。
这意味着，机器人不再依赖昂贵且难以扩展的机器人数据，而是可以利用更易获取、规模更大的真实人类数据进行训练，从而建立一条可持续扩展的能力获取路径。
在 GTC 上，Sharpa 还展示了其完整技术栈，包括人形机器人 North、灵巧机械手 Wave，以及融合视觉、触觉与语言的模型系统 CraftNet。这一软硬件一体化能力，使其能够从数据、模型到执行层形成闭环。
Sharpa 同时宣布加入 NVIDIA Inception 创业加速计划，并荣获 2026 iF 产品设计奖和 CES 创新奖。
