破曉智能聯合天瓏移動發佈 SeePhys Hub，推進全身全模態人類數據採集

機器人數據採集正在經歷一條“解綁本體”的演進路線：從遙操作到 UMI再到 Ego，設備越來越輕，採集行為越來越簡單。不過，在不斷簡化設備的過程中，一些關鍵交互信息也隨之流失——Ego 能記錄雙手在做什麼，卻難以完整捕捉全身運動，也感知不到手接觸物體時的壓力變化。而這些被簡化掉的交互信息，往往才是完成任務的核心。10 月 14 日，破曉智能聯合天瓏移動發佈全身全模態數據採集系統 SeePhys Hub。整套系統由一個四目頭環、兩個腕部手環、三個腰腿部動作追蹤器和一副觸覺手套組成，可同步採集第一視角視覺（360°環視覆蓋）、手部全模態數據（手部位姿追蹤、高密度觸覺）與全身運動信息（位姿與受力）。

在保留 Ego 便攜性的同時，補回關鍵的身體與接觸數據。同時，配套的自研數據處理平臺，可將人類數據轉化為面向機器人學習的多模態訓練數據。SeePhys Hub 是團隊沿著 EgoTouch、TouchAnything、TouchWorld 技術路線推出的首款工程化產品，將此前在觸覺數據與模型上的研究積累，轉化為一套融合視覺、雙手觸覺與全身運動信息的可穿戴採集系統。採集方式由繁到簡，關鍵交互信息仍需補齊 具身智能究竟需要多少數據？已有研究者提出一億小時 Ego 數據的估計。當然，擴大采集規模，為覆蓋更多場景與操作提供了可能。

但採集時長並不直接等於學習收益，數據質量、與機器人任務的匹配程度，以及訓練方式，同樣影響最終效果。破曉希望驗證的是：在視覺之外，同步記錄全身運動與觸覺，更完整地呈現身體如何協同、手與物體如何接觸，能否提高每小時數據的學習價值，讓百萬小時量級的全模態數據支撐預期的泛化能力？日常生活中，許多任務都需要身體移動與雙手操作持續配合。以鋪床為例，人需要抓住被角、抬臂展開被子，再沿床邊移動、拉平褶皺。身體位置決定雙手能觸及哪裡，抓握位置與力度則影響布料如何展開。以視覺為主的 Ego 採集能記錄眼前的操作，卻難以完整捕捉視野之外的軀幹、腿部運動，也無法直接測得抓握和牽引時的接觸壓力。

補充全身運動與觸覺，就是為了保留這些關鍵狀態：人如何移動、調整姿態，雙手在哪裡接觸物體、壓力如何變化。與視覺同步採集這些信息，有望讓模型更直接地學習身體運動、手部接觸與環境變化之間的關係。在破曉看來，下一步不是回到繁重的採集方式，而是在兼顧便攜性與活動自由度的同時，補回關鍵的交互信息。衡量數據價值，不能只看採集了多少小時，還要看每小時能讓機器人學到多少。團隊希望通過更完整的操作記錄，提高數據效率，讓機器人用更少的數據學會真實場景中的複雜操作。觸覺研究走向工程產品，為全身移動靈巧操作奠定數據基礎 破曉此前的 Touch 系列，圍繞觸覺數據“怎麼採、怎麼擴展、怎麼用”展開研究。

EgoTouch 同步採集第一視角畫面、雙手姿態與壓力分佈，把人看到的操作和實際發生的接觸對應起來；TouchAnything 則學習從視覺中估計接觸位置與壓力分佈，為擴展觸覺數據提供方法。到了 TouchWorld，觸覺進一步參與機器人的行動：操作前預測接觸目標，執行中根據真實反饋修正動作。觸覺由此從被記錄的信號，逐步成為機器人預測與控制的依據。SeePhys Hub 將這些研究積累，轉化為一套可穿戴的全身採集系統。頭部四目視覺記錄場景，腕部視角捕捉近距離操作細節，腰部與雙小腿的動作追蹤器記錄身體運動，觸覺手套採集雙手的接觸壓力。環境觀察、身體運動與手部交互，被同步納入同一次操作記錄。

採集更多信息，也要兼顧穿戴負擔和連續使用。SeePhys Hub 頭環重量不超過 220 克，單個腕部手環不超過 75 克，兩類設備均支持連續 24 小時不間斷採集。頭環內相機、IMU 與 UWB 的同步誤差不超過 0.5 毫秒，便於對齊同一時刻的視覺與運動信息。硬件記錄之後，還需要把原始數據處理成機器人能用的訓練數據。配套的自研平臺負責數據解析、清洗，將連續操作切分成動作片段並添加語義標註，同時銜接場景重建、全身姿態估計、手部動作追蹤等流程。動作重定向則負責將人的動作映射到機器人本體，為後續策略訓練與本體適配提供支持。

以 SeePhys Hub 為起點，走向更遠的未來 對破曉而言，採集產品並不是終點。團隊更長遠的目標，是構建面向全身移動靈巧操作的世界模型，將身體運動、手部接觸與環境變化放在一起建模。機器人移動到一個新位置、調整身體姿態或改變接觸方式之後，會產生怎樣的結果？破曉希望模型能夠預測這些變化，並結合執行反饋修正判斷，為機器人選擇下一步動作提供依據。瞭解到，破曉智能（PHANES AI）由哈爾濱工業大學（深圳）計算機科學與技術學院長聘教授、博士生導師楊朔創辦，致力於構建面向人形機器人全身移動靈巧操作的世界模型。SeePhys Hub 是破曉邁向這一願景的產品化起點。

成立以來，破曉逐步組建起一支兼具模型研究與工程化經驗的團隊，團隊90%以上核心成員畢業於清華大學、北京大學、香港大學、哈爾濱工業大學等頂尖高校，擁有極高的學術人才密度。成員的研究與實踐覆蓋全模態大模型、世界模型、大規模數據處理與硬件。從觸覺到全身，從交互數據到世界模型，這支團隊希望探索一條具身智能的原生路徑：讓機器人從真實交互中學習，在物理世界中自主行動。SeePhys Hub 的發佈，讓這一探索從研究走向了產品。沿著這條路，破曉正將對機器智能的設想一步步帶入現實，向著具身智能的黎明前行。