破晓智能联合天珑移动发布 SeePhys Hub，推进全身全模态人类数据采集

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