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。
Related
相關文章
認識 Voxel51 3.0：為實體 AI 打造的統一多模態資料平臺
Voxel51 已發布 Voxel51 3.0，這是其資料平臺的一次重大更新。Voxel51 3.0 是一個端對端的多模態資料平臺，將搜尋、篩選、標註和評估整合於單一系統中。該平臺鎖定針對機器人、車輛和工廠感測器資料進行模型訓練的團隊。此次發布新增了 Voxel51 Agent、資料溯源層及免費的自助式存取。重點摘要：規模：Voxel51 Agent 內建超過 45 個 MCP 工具、80 多個運算子及 18 個開源技能。執行環境：可於 app.voxel51.com 使用託管網頁應用程式，或於雲端、混合、地端及隔離環境中自行部署。未揭露本機 GPU 需求。效能：未發布產品基準測試。Voxel51 引用其自身調查數據作為依據。最佳亮點：免費方案包含 Voxel51 Agent、每月 30,000 次推論請求及 30 個運算小時。
本期AI資訊彙總2026年10月18日的產品更新、前沿研究、行業趨勢與開源項目，幫助讀者快速瞭解當天的重要動態
導航SecureDoc // EncryptionActive本期AI資訊彙總2026年10月18日的產品更新、前沿研究、行業趨勢與開源項目，幫助讀者快速瞭解當天的重要動態。
下一概念建模把文本生成提速最高31倍
斯坦福等聯合提出全新文本生成範式 NCM，生成速度狂飆 31 倍AIbase基地發佈於AI新聞資訊 · 1 分鐘閱讀 · Oct 16, 202633人工智能領域的文本生成技術迎來顛覆性創新。斯坦福大學與 Together AI 的研究人員近日聯手推出了一種截然不同於傳統自迴歸和擴散模型的全新文本生成範式——Next-Concept Modeling（簡稱 NCM，即“下一概念建模”）。該方法巧妙借鑑了圖像生成領域中“下一尺度預測”的思路，有望為未來的文本生成技術開闢全新的發展路線。在技術實現路徑上，NCM 模擬了人類“先構思宏觀大綱、再動筆填充細節”的寫作邏輯。整個系統通過兩階段訓練來完成:首先訓練多尺度殘差 VQ-VAE，從而得到能夠逐層補充信息的多層離散文本編碼;隨後凍結該系統，訓練 Transformer 模塊去預測下一層的編碼。在生成文本時，模型會先並行生成概念層面的宏觀大綱，接著逐層並行填充具體細節，最終組合成完整的文本內容。在實際測試表現中，NCM 交出了令人矚目的成績單。實驗數據顯示，在保持相近甚至更優生成質量的前提下，NCM 相對傳統的擴散語言模型實現了10到31倍的生成速度飛躍，並且在訓練過程中所需消耗的 token 數量也大幅減少。此外，在數獨等複雜推理任務上，它的表現也明顯優於傳統的自迴歸和擴散基線模型，同時還支持通過多生成候選挑選機制來進一步優化最終輸出效果。儘管目前該研究所使用的模型參數規模依然相對有限，其在擴大模型規模後的表現、精確文本以及長篇內容的生成能力仍有待後續驗證，但這一創新思路無疑打破了長期以來的技術慣性，為人工智能高效生成文本提供了充滿想象力的全新解法。本文來自AIbase日報掃碼查看歡迎來到【AI日報】欄目!這裡是你每天探索人工智能世界的指南，每天我們為你呈現AI領域的熱點內容，聚焦開發者，助你洞悉技術趨勢、瞭解創新AI產品應用。
Claude自主優化八類量子電路設計
ScienceDesigning more efficient quantum circuits with ClaudeOct 16, 2026Quantum computers will need carefully designed circuits to run useful algorithms on limited hardware.
12.88萬起、華為電驅+L4同源智駕，Ray7能成為埃安年輕化的答卷嗎？
12.88萬起、華為電驅+L4同源智駕，Ray7能成為埃安年輕化的答卷嗎？ 本文作者： 倪萍 2026-10-17 22:42 導語：10月17日，埃安轎跑Ray7正式開啟預售，預售價12.88 萬起。新車車長4.9米，軸距2.9米，車頭部分搭配3.25米的超長雙環燈帶，是埃安10年煥新的家族 10月17日，埃安轎跑Ray7正式開啟預售，預售價12.88 萬起。新車車長4.9米，軸距2.9米，車頭部分搭配3.25米的超長雙環燈帶，是埃安10年煥新的家族式標識。 新車採用寧德時代電池以及廣汽自研的彈匣電池2.0技術，能夠在充分釋放續航能力的同時，監控電池健康狀態。提供45.58kWh和62.98kWh兩種規格，續航可達702公里，整車風阻係數 Cd 低至 0.22。Ray7搭載華為DriveONE多合一電驅，以及華為DriveONE芯片級驅制融合架構，百公里制動僅為32.8米。底盤方面，Ray7搭載高性能前後穩定杆和後五連桿懸架，過彎極限更高，濾振更乾淨。智能化上， Ray7搭載27顆車規級全視角傳感器，採用文遠知行L4級Robotaxi同源大模型。這幫助新車能夠複用 L4 積累的海量場景經驗，在城區掉頭、繞行等複雜場景中可順利通行。自2025年廣汽推進“番禺行動”以來，昊鉑埃安BU的研發、生產、銷售等環節效率不斷提升，產品迭代和新車投放節奏明顯加快。作為埃安全新Ray車系的首款新車，Ray7是埃安開啟年輕化序列的關鍵落子，也是廣汽切入20萬級市場的重要佈局。這一細分市場競爭並不輕鬆：小鵬P7、極氪007等車型已經提前卡位。Ray7想在年輕人心中佔位，不能只堆參數，更要把智能座艙與輔助駕駛、三電安全、補能效率、用車成本和價格權益上的差異，變成用戶可感、可信、可持續的體驗，這才是埃安年輕化的分水嶺。（雷峰網(公眾號：雷峰網)） 雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
梁聖又掀桌了！DeepSeek新模型斬殺GPT-6，許願式編程時代降臨
作者 | 楊京麗 編輯 | 李水青 10月17日報道，剛剛，DeepSeek V4.1 Flash更新至V4.1-Flash-1017版本，官方網頁端、App與API已同步更新至新模型，模型權重也已在HuggingFace和ModelScope開放下載。DeepSeek還向公眾開放自研搜索引擎的Search（搜索）與Fetch（抓取）API，兩個接口均定價為5元/千次。 此次更新距離該模型發佈僅過去一個多月。9月10日，DeepSeek正式推出V4.1-Flash，在性能上超越了DeepSeek-V4-Pro。