从 Ego 到全身，破晓智能探索人类全身数据的规模化采集新范式

机器人数据采集正在经历一条“解绑本体”的演进路线：从遥操作到 UMI再到 Ego，设备越来越轻，采集行为越来越简单。

不过，在不断简化设备的过程中，一些关键交互信息也随之流失——Ego 能记录双手在做什么，却难以完整捕捉全身运动，也感知不到手接触物体时的压力变化。而这些被简化掉的交互信息，往往才是完成任务的核心。

10 月 14 日，破晓智能联合天珑移动发布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和一副触觉手套组成，可同步采集第一视角视觉（360°环视覆盖）、手部全模态数据（手部位姿追踪、高密度触觉）与全身运动信息（位姿与受力）。

在保留 Ego 便携性的同时，补回关键的身体与接触数据。同时，配套的自研数据处理平台，可将人类数据转化为面向机器人学习的多模态训练数据。

SeePhys Hub 是团队沿着 EgoTouch、TouchAnything、TouchWorld 技术路线推出的首款工程化产品，将此前在触觉数据与模型上的研究积累，转化为一套融合视觉、双手触觉与全身运动信息的可穿戴采集系统。

采集方式由繁到简，关键交互信息仍需补齐

具身智能究竟需要多少数据？已有研究者提出一亿小时 Ego 数据的估计。

当然，扩大采集规模，为覆盖更多场景与操作提供了可能。但采集时长并不直接等于学习收益，数据质量、与机器人任务的匹配程度，以及训练方式，同样影响最终效果。

破晓希望验证的是：在视觉之外，同步记录全身运动与触觉，更完整地呈现身体如何协同、手与物体如何接触，能否提高每小时数据的学习价值，让百万小时量级的全模态数据支撑预期的泛化能力？

日常生活中，许多任务都需要身体移动与双手操作持续配合。以铺床为例，人需要抓住被角、抬臂展开被子，再沿床边移动、拉平褶皱。身体位置决定双手能触及哪里，抓握位置与力度则影响布料如何展开。以视觉为主的 Ego 采集能记录眼前的操作，却难以完整捕捉视野之外的躯干、腿部运动，也无法直接测得抓握和牵引时的接触压力。

补充全身运动与触觉，就是为了保留这些关键状态：人如何移动、调整姿态，双手在哪里接触物体、压力如何变化。与视觉同步采集这些信息，有望让模型更直接地学习身体运动、手部接触与环境变化之间的关系。

在破晓看来，下一步不是回到繁重的采集方式，而是在兼顾便携性与活动自由度的同时，补回关键的交互信息。衡量数据价值，不能只看采集了多少小时，还要看每小时能让机器人学到多少。团队希望通过更完整的操作记录，提高数据效率，让机器人用更少的数据学会真实场景中的复杂操作。

触觉研究走向工程产品，为全身移动灵巧操作奠定数据基础

破晓此前的 Touch 系列，围绕触觉数据“怎么采、怎么扩展、怎么用”展开研究。EgoTouch 同步采集第一视角画面、双手姿态与压力分布，把人看到的操作和实际发生的接触对应起来；TouchAnything 则学习从视觉中估计接触位置与压力分布，为扩展触觉数据提供方法。

到了 TouchWorld，触觉进一步参与机器人的行动：操作前预测接触目标，执行中根据真实反馈修正动作。触觉由此从被记录的信号，逐步成为机器人预测与控制的依据。

SeePhys Hub 将这些研究积累，转化为一套可穿戴的全身采集系统。头部四目视觉记录场景，腕部视角捕捉近距离操作细节，腰部与双小腿的动作追踪器记录身体运动，触觉手套采集双手的接触压力。环境观察、身体运动与手部交互，被同步纳入同一次操作记录。

采集更多信息，也要兼顾穿戴负担和连续使用。SeePhys Hub 头环重量不超过 220 克，单个腕部手环不超过 75 克，两类设备均支持连续 24 小时不间断采集。头环内相机、IMU 与 UWB 的同步误差不超过 0.5 毫秒，便于对齐同一时刻的视觉与运动信息。

硬件记录之后，还需要把原始数据处理成机器人能用的训练数据。配套的自研平台负责数据解析、清洗，将连续操作切分成动作片段并添加语义标注，同时衔接场景重建、全身姿态估计、手部动作追踪等流程。动作重定向则负责将人的动作映射到机器人本体，为后续策略训练与本体适配提供支持。

以 SeePhys Hub 为起点，走向更远的未来

对破晓而言，采集产品并不是终点。团队更长远的目标，是构建面向全身移动灵巧操作的世界模型，将身体运动、手部接触与环境变化放在一起建模。机器人移动到一个新位置、调整身体姿态或改变接触方式之后，会产生怎样的结果？破晓希望模型能够预测这些变化，并结合执行反馈修正判断，为机器人选择下一步动作提供依据。

破晓智能（PHANES AI）由哈尔滨工业大学（深圳）计算机科学与技术学院长聘教授、博士生导师杨朔创办，致力于构建面向人形机器人全身移动灵巧操作的世界模型。

SeePhys Hub 是破晓迈向这一愿景的产品化起点。成立以来，破晓逐步组建起一支兼具模型研究与工程化经验的团队，团队90%以上核心成员毕业于清华大学、北京大学、香港大学、哈尔滨工业大学等顶尖高校，拥有极高的学术人才密度。成员的研究与实践覆盖全模态大模型、世界模型、大规模数据处理与硬件。

从触觉到全身，从交互数据到世界模型，这支团队希望探索一条具身智能的原生路径：让机器人从真实交互中学习，在物理世界中自主行动。SeePhys Hub 的发布，让这一探索从研究走向了产品。沿着这条路，破晓正将对机器智能的设想一步步带入现实，向着具身智能的黎明前行。