最年轻AI教授创业：让机器人学会全身动作

数据越采越多，机器人就能越来越会干活吗？今年，从EgoScale使用的两万多小时人类操作数据，到Dyna-2的百万小时预训练，机器人正在扩大从人类行为中学习的规模。两项研究采用不同训练路线，但都在探索：人类操作数据能否突破机器人本体采集的规模限制。

问题随之而来：当机器人需要迈步、弯腰、协调双手完成任务时，每小时数据里究竟留下了多少身体与环境交互的信息？以视觉为主的Ego数据能看到人完成了什么，却不一定完整记录动作背后的身体状态。若机器人要学习全身移动灵巧操作，仅知道双手如何操作可能不够。

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。设备由四目头环、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，通过视觉与运动信号融合恢复全身姿态，并按任务采集手部接触压力。它希望在保留Ego轻便、易规模化优势的同时，把视野之外的身体运动和触觉信息带回来。

SeePhys Hub采用稀疏节点方案，在腰部和双小腿布置追踪器，结合头部视觉与双腕信息，通过算法恢复全身姿态。IMU提供运动信号，UWB提供节点间测距，再与视觉结合。四目头环提供360°环视，腕部相机补充近距离细节，可选触觉手套记录接触压力变化。头环内相机、IMU和UWB同步精度不超过0.5毫秒。配套平台负责解析、清洗、动作切分和语义标注，并衔接场景重建、姿态估计和手部追踪，动作重定向则将人的动作映射到机器人本体。

产品取舍上，头环重量不超过220克，单个腕部手环不超过75克。破晓创始人兼CEO杨朔描述的三层数据金字塔中，底层是互联网视频，顶层是高精度动捕、真机数据，SeePhys Hub瞄准中间层，兼顾规模化采集潜力与更完整交互记录。触觉手套采用可选设计，因部分场景如洗碗会影响精细操作并产生噪声。手环与手套可分开使用，客户按任务选择配置。

此次合作中，破晓侧重产品设计与算法，天珑移动提供成本控制、供应链及质量保障经验。有算法能力的客户可购买硬件自行处理数据；需要完整方案的客户可选配套算法和本地部署；科研等场景可使用云端平台。

杨朔表示，最终目标是把模型做好。团队此前已沿触觉数据开展研究：2026年5月公开EgoTouch数据集及TouchAnything研究；TouchWorld让“手感”参与机器人行动，测试插插头、擦锅、抽纸等任务。SeePhys Hub将研究范围从双手接触扩展到全身运动。团队预计2027年推出全模态世界模型，优先在工业、餐饮零售等垂直场景应用验证。破晓现阶段不准备造自己的机器人本体，当前利用通用本体测试模型，并计划与本体商、场景方合作试点。