北京
（原标题：WAIC全球首发！BrainCo灵巧操作数采矩阵，构建具身数据飞轮）
在2026年世界人工智能大会上，BrainCo强脑科技正式发布BrainCo灵巧操作数采矩阵。这套方案聚焦具身智能机器人“灵巧操作”训练中的数据缺口，整合真机数采平台、高精度人类数采手套和仿真数据生成能力，构建覆盖多来源、多模态的灵巧操作数据体系，为具身智能模型训练提供从预训练到精细调优的一站式数据支撑。
01
灵巧操作数据，具身智能稀缺的基础资源
截至2026年初，全球现有具身高质量数据总量约50万小时，而训练通用具身模型预计需要超过1000万小时的数据，数据缺口超过99%。相比大语言模型能够利用海量互联网文本持续训练，机器人学习灵巧操作所需的数据仍需要依赖真实采集，只能一条一条积累，这也成为当前具身智能发展的重要瓶颈之一。
目前，行业主流的数据采集方式各有优势，也各自面临不同局限。真机遥操作能够获得高质量数据，但成本较高、场景覆盖有限，难以规模化；人类示范采集成本相对较低，但现有方案难以兼顾精度与自然操作；仿真数据虽然能够大规模生成，却仍需大量真实数据完成域适应校准。因此，行业亟需一种兼顾高效、规模化与多模态的数据采集方案。
02
从真机到真人，一套能持续转动的数据飞轮
为解决灵巧操作数据“质量”与“规模”难以兼顾的问题，BrainCo灵巧操作数采矩阵构建了由真机数据、人类中心数据和人类Ego视频及仿真数据组成的三层数据体系，以不同来源的数据相互补充，形成覆盖模型训练全流程的数据支撑体系。
其中，塔尖是真机数据，由双臂轮式数采平台（RevoTron/RevoMate）采集。平台搭载21自由度全掌触觉灵巧手，覆盖全身64个自由度（含手）的运动控制，支持头部双目RGBD视觉、双腕RGB多路视频流、全掌阵列触觉传感数据和麦克风语音数据。在任务执行过程中，可同步记录头部环境视觉、手部视觉、机器人运动状态、全掌触觉反馈及语音场景描述，形成覆盖"动作—触觉—视觉—语义"全模态的高质量灵巧操作数据，可支撑具身基础模型、模仿学习、世界模型及触觉操作模型的训练。
中层是高质量人类中心数据，由RevoHuman高精度外骨骼触觉手套采集。这套手套采用行业首创的侧置外骨骼设计，在尽量减少对人手自然操作影响的同时，同步采集21自由度关节角度、手部位姿、全指触觉与腕部视角数据，搭配RevoEgo第一人称数采头环采集人类第一视角视频，实现媲美真机数据质量的全模态灵巧数据采集。手套重量仅125g，9秒即可穿脱，集成21自由度编码器、14个薄膜触觉传感器模组、覆盖211个触觉点和RGB手腕相机，角度精度达到±0.1°，触觉分辨率达到0.01N。相比现有柔性手套精度不足、传统外骨骼穿戴不便且影响操作的局限，RevoHuman同时兼顾了高精度、高灵巧性和规模化采集能力。
塔基则由RevoEgo数采头环采集的人类第一视角视频，以及RevoSim生成的仿真数据组成，为模型预训练提供大规模、低成本的数据来源。
03
真机保精度，真人提规模
BrainCo灵巧操作数采矩阵采用“真机保精度、真人提规模”的双轨数据供给思路：以真机数据作为模型训练的精度锚点，为模型精细调优提供高质量样本：以人类中心数据作为规模引擎，持续、低成本地产出大量高质量操作数据，支撑模型规模化训练；再结合人类Ego视频与仿真数据，为模型预训练提供丰富的数据来源，形成多层次、多来源的数据体系。
在生态兼容方面，系统保持开放架构，支持兼容IMU动捕手套、外骨骼动捕手套等主流灵巧手遥操作动捕设备，适配全身及手腕动捕系统，并支持接入6/7自由度协作臂、机械臂及不同机器人本体，持续扩展兼容设备类型，为科研机构和产业伙伴提供更加开放的数据采集能力。
04
为具身智能提供更加持续的数据供给能力
灵巧操作数据的积累，是具身智能从实验室走向真实世界的必经之路。此次发布的BrainCo灵巧操作数采矩阵，是强脑科技在这条路上迈出的坚实一步——通过覆盖真机、真人与仿真的多层数据体系，以开放的生态与更多科研机构和产业伙伴共同参与，持续提升灵巧操作数据的供给能力。
当人工智能不断提升理解和生成能力，具身智能不断提升感知与执行能力，脑机接口则为人与机器之间提供一种新的交互方式。未来，随着脑机接口、人工智能与具身智能持续融合，机器人将能够以更加自然、高效的方式与人协作。
