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

过去几年，机器人数据采集一直在做减法：从遥操作走向 Ego，摆脱机器人本体、简化采集设备，让更多人类日常操作成为可规模化获取的训练数据。但破晓智能认为，当机器人开始学习迈步、弯腰、搬运和精细操作时，镜头之外的身体运动与接触信息又成了不能轻易舍弃的部分。

以视觉为主的 Ego 数据能看到人完成了什么，却不一定能完整记录动作背后的身体状态。人抬手去够高处物品时，肩膀、手臂和躯干需要一起调整，第一视角相机能拍到双手，却不一定看得到手肘和腿部的位置；遇到身体自身遮挡、物体遮挡或视角盲区，全身姿态估计的可靠性就成了问题。

SeePhys Hub 的定位正是补上这块缺口。10月14日，破晓智能联合天珑移动发布这套全身全模态数据采集系统，整套设备由一个四目头环、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，通过视觉与运动信号融合恢复全身姿态，并根据任务需求采集手部接触压力。

SeePhys Hub 没有走堆传感器的路线，而是采用稀疏节点方案：在腰部和双小腿布置三个动作追踪器，结合头部视觉与双腕信息，通过算法恢复全身姿态。IMU 提供运动相关信号，UWB 提供节点间测距信息，再与视觉结合来估计全身姿态。

视觉覆盖也做了扩展。四目头环提供360°环视，腕部相机补充近距离操作细节。研发团队举过一个例子：拿完冰箱里的瓶子，人顺势侧身关门，头部后方的相机仍能记录这个动作——真实场景里的操作经常就发生在这样的转身、移动和视角变化中。

轻便被放在产品设计的重要位置：头环重量不超过220克，单个腕部手环不超过75克。团队把轻便、成本和真实场景中的活动自由度，视为规模化采集能否成立的前提。

多路信号还要对齐到同一时刻。视频里手碰到物体的瞬间，需要和压力变化、运动状态对应，后续才能分析完整的交互过程。按产品资料，头环内相机、IMU 和 UWB 的同步精度不超过0.5毫秒。这个不太显眼的工程环节，直接影响不同模态的数据能否有效衔接。

采集之后还有处理环节。SeePhys Hub 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，为后续训练与适配提供支持。

需要说明的是，0.5毫秒同步精度、头环220克与手环75克等参数均来自产品资料或团队自述，报道中未给出第三方验证或量化结果。这些数字可以说明设计目标，但尚不足以证明实际采集效果。

触觉手套记录双手与物体接触时的压力变化，让视频里的动作多了一份对应的物理信号。但它是可选设计，手环与手套可以分开使用，客户按任务选择配置。

这一取舍来自真实反馈。据杨朔透露，团队接触过一些数据采集运营方，“他们第一个给我们提的要求，就是不要让我们的人戴手套”。原因在于，遇到洗碗这样涉及防水的特定场景，精细操作会受穿戴影响，传感器本身也可能出现噪声。

团队曾在测试中遇到，手套抓过几次水杯后、空手伸开仍显示局部压力的情况。这类噪声进入数据，会增加后续处理和训练的难度。穿戴设备如果影响人的操作，也会影响记录的价值。团队表示，仍在研究如何从视觉中估计触觉，以扩大可利用的数据来源。

在杨朔描述的三层数据金字塔里，底层是量大的互联网视频，通过算法补充姿态和触觉信息；顶层是高精度动捕、真机操作等数据；SeePhys Hub 瞄准的是中间层，尝试兼顾规模化采集的潜力与更完整的交互记录。

每一层承担不同任务：动捕数据可以用于监督姿态估计，真机数据帮助模型适配机器人，人类视频则提供更多场景和操作。可穿戴设备补充的，是走进真实环境、跟着人持续记录的能力。

要把设备真正铺开，供应链和质量保障也是一环。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、供应链及质量保障方面的经验。

按照团队规划，有算法能力的客户可以购买硬件、自行处理数据；需要完整方案的客户可选择配套算法和本地部署；科研等场景还可使用云端平台获得处理后的数据。数据采集运营商、具身模型团队、场景方和科研机构等，都是 SeePhys Hub 团队瞄准的使用者。

在杨朔看来，设备背后的积累还包括姿态估计算法，以及用于训练和验证算法的配对数据。让硬件、算法和数据处理一起工作，才能把穿在人身上的传感器变成可用于训练的操作记录。

这些商业安排目前均来自团队规划，尚未披露实际落地规模或客户验证结果。

“我们的最终目标一定是把模型做好。”杨朔在解释破晓为什么研发数据采集设备时给出这个回答。在团队看来，问题出在模型需要什么数据上：想把身体运动、手部接触和环境变化放在一起建模，就需要相应的操作记录，而所需数据难以低成本、规模化获得，于是团队选择自己补上这个入口。

按照规划，破晓智能预计在2027年推出全模态世界模型，并优先在工业、餐饮零售等垂直场景开展应用验证。这一时间表能否按期实现，报道中未给出进一步依据，存在不确定性。

破晓现阶段仍不准备造自己的机器人本体。杨朔的考虑是，数据、模型和落地场景还在变化，机器人要不要搬重物、需要多大负载，都影响本体设计；过早定下硬件还可能限制后续算法方向，他把这种风险称为“纯纯的沉没成本”。当前团队利用通用本体测试模型，并计划与本体商、场景方合作开展应用试点；未来是否推出自有本体，要等场景需求和商业回报更明确。