破晓智能发布SeePhys Hub：补全具身全身动作与触觉数据

随着机器人预训练规模不断扩大，从数万小时人类操作视频到百万小时预训练，行业正试图突破真机本体数据采集的产能瓶颈。

但这引出了一个新难题：当机器人需要迈步、弯腰、双手协同完成任务时，传统第一视角（Ego）视频数据究竟能保留多少人与环境物理交互的关键信息？

以视觉为主的Ego数据虽然易于低成本规模化采集，却无法完整记录动作背后的身体姿态与接触力度。为了补上这块拼图，破晓智能（PHANES AI）联合天珑移动，正式发布了全身全模态数据采集系统SeePhys Hub。

整套系统由一个四目头环、两个腕部手环、三个腰腿部动作追踪器以及一副触觉手套组成。它旨在保留Ego轻便特性的同时，以稀疏节点方案补全视野盲区内的身体运动和关键触觉信号。

记录肢体动作与接触手感

传统的Ego数据以相机跟随人走，采集场景自由。但当人伸手拿高处物品或侧身移动时，第一视角相机拍得到双手，却拍不到手肘和下肢，容易受视角盲区和身体自遮挡影响。

SeePhys Hub的解法是在人体关键部位部署稀疏追踪节点：在腰部和双小腿设置三个追踪器，结合头部视觉与双腕信息还原全身姿态。其中，IMU提供运动信号，UWB负责节点间测距，配合算法估算全身运动。

四目头环提供360°环视画面，腕部相机补充近距离操作细节，可选配的触觉手套则记录手掌与物体接触时的压力变化。

除了视觉和动作，精细操作离不开“手感”。拿起易碎物体时，人会实时根据触觉调整力度。触觉手套记录的压力数据，让视频动作与物理信号实现了精准对齐。按照官方参数，头环内相机、IMU与UWB的硬件级同步精度控制在0.5毫秒以内。

配套平台还会负责后续的数据清洗、动作切分、语义标注和动作重定向，便于直接将人类动作映射到机器人本体上。

硬件减重与工程取舍

规模化采集更依赖易用性与穿戴舒适度。SeePhys Hub的头环重量控制在220克以内，单个手环不超过75克。

在破晓智能CEO杨朔的构想中，具身数据存在一个三层金字塔：底层是海量互联网视频，顶层是高精度动捕和真机示教，SeePhys Hub则卡位在中间层，兼顾低门槛规模化与物理交互的完整度。

触觉手套被设计为独立选配模块，同样出于工程考量。洗碗等涉及防水或高频使用的场景容易损坏传感器产生噪点，过重的穿戴也会干扰人的自然操作。因此手环与手套可以解耦使用，团队还在进一步研发基于单目视觉推断触觉压力的算法，以拓宽可用数据范围。

在此次量产合作中，破晓智能负责方案设计与算法，天珑移动承担供应链管理、品控与成本控制，面向具身模型团队、数据采集运营商和科研机构提供软硬一体解决方案。

聚焦全模态世界模型，暂不做机器人本体

破晓智能创始人杨朔现任哈尔滨工业大学（深圳）长聘教授、博士生导师，是国内AI领域年轻的青年学者之一。团队成员多数来自清华、北大、港大及哈工大等高校。

在研发硬件之前，团队已先后发布了EgoTouch数据集、TouchAnything触觉估计方案及TouchWorld模型，逐步探索视觉与触觉的协同建模。

之所以选择从数据采集切入，核心在于现存公开数据集无法满足训练“具身世界模型”的要求。机器人想要自主完成搬运、移动与灵巧操作，就必须理解动作、接触力与环境物理反馈之间的因果逻辑。破晓计划在2027年推出全模态世界模型，并在工业和商用零售场景展开验证。

不过，破晓现阶段并未涉足机器人本体制造。杨朔认为，场景需求和负载规格尚在快速演进，过早绑定硬件形态容易形成沉没成本，目前团队主要借助通用本体验证模型。

在具身智能模型参数逐步受限于端侧算力部署的背景下，让有限尺寸的模型真正理解全身物理交互机制，将成为接下来落地比拼的关键战场。