AISpot
所屬事件:破曉智慧聯合天瓏移動發布 SeePhys Hub 全身全模態採集系統(2 個來源 · 2 則報導)

10 月 14 日,破曉智慧(PHANES AI)聯合天瓏移動發布全身全模態資料採集系統 SeePhys Hub,試圖在輕量 Ego 第一視角影片與高精度動捕、真機遙操作之間補上中間層資料。整套裝置由四目頭環、兩個腕部手環、三個腰腿部追蹤器和可分離觸覺手套組成,可同步記錄第一視角視覺、手部位姿與觸覺、全身運動資訊。據機… 看完整事件

破曉智慧發布 SeePhys Hub 全身全模態採集系統

機器之心新聞報導產品與方案研究商業

10 月 14 日,破曉智慧(PHANES AI)聯合天瓏移動發布全身全模態資料採集系統 SeePhys Hub,想在輕量 Ego 第一視角影片與高精度動捕、真機遙操作之間補上中間層資料。整套裝置由四目頭環、兩個腕部手環、三個腰腿部追蹤器和可分離觸覺手套組成,同步記錄 193° 水平視場的第一視角視覺、手部位姿與觸覺、全身運動資訊。官方給出的指標是全身姿態定位誤差中位數低至 1.5 釐米,頭環內部相機、IMU 與 UWB 同步誤差不超過 0.5 毫秒;

給出了 1.5 釐米定位誤差、0.5 毫秒同步等具體指標,並明確百萬小時全模態資料能否替代一億小時 Ego 資料仍待驗證,對做具身智慧資料採集與靈巧操作訓練的人有參考價值。

原標題:给Ego数据补上「全身」,世界模型的Scaling有了新的路径
閱讀原文

同一事件共有 2 則報導(2 個來源),看事件全貌

評分56 / 58(平均 57,門檻 65)
狀態未入選

相關報導

機器之心AI 評分55

源策未來公開全身智慧實機成果,在宇樹 G1 與加速進化 T2 上驗證

成立半年的源策未來首次系統性公開全身智慧技術路線的實機成果:機器人能搬踏臺登高取物、低位拾瓶、清理餐桌與操作洗碗機,並已在宇樹 G1 與加速進化 T2 兩種本體上驗證。團隊自研 S0 全身控制系統負責足部軌跡、軀幹姿態與重心轉移,S1 按現場狀態組織任務動作,模型先以第一視角人類全身資料 EgoBody 預訓練,再經真機後訓練與人形 DAgger 人工糾正。該路線今年 7 月由團隊在技術部落格中提出,創始人包括李弘揚、李天羽、陳立。

機器之心AI 評分45

物理 AI 工業具身作業系統與全球首家工業具身 6S 店發布

10 月 12 日,2026 工業具身智慧產業創新高峰論壇舉行,靈巧智慧聯合松應科技發布物理 AI 工業具身作業系統與靈巧操作模組,並推出 21 自由度靈巧手 021B。該系統以松應科技 ORCA OS 為底座,稱其為國內首個支援人形、四足、無人機等多形態機器人協同訓練的物理 AI 作業系統,已適配輝達、AMD、Intel 及摩爾線程等國產 GPU。靈巧智慧同時聯合上海人工智慧研究院、上海電氣、京東零售發布全球首家工業具身智慧 6S 店,由合資公司靈機智聯運營。

量子位● 精選AI 評分82

何愷明團隊發布視覺原生 Harness 框架 VISTA

何愷明團隊提出視覺原生 Harness 框架 VISTA,讓現有多模態模型無需重新訓練,就能儲存原始畫面並在推理時按需回看、放大細節。VISTA 把環境返回的每幀畫面按回合號、幀號索引存到上下文之外,預設只向模型展示最後一幀,需要時用 inspect 工具調取歷史畫面。搭配該框架,Claude Opus 5.0 通關 ARC-AGI-3 全部 25 個公開遊戲,動作效率得分滿分 100,所用動作數比人類首次遊玩基線少 57.4%;

Hacker News front page● 精選AI 評分76

Physical Intelligence 發布 Pi API beta,機器人模型可微調與託管推理

Physical Intelligence 上線 Pi API beta,把 π0、π0.5 等機器人基礎模型開放給開發者微調與託管推理。開發者上傳資料後,在官方管理的算力上啟動微調,再通過託管閘道器在自家機器人上跑推理,並用評估資料決定下一輪採集。早期合作方 Actor 的自主輪式裝載機已在無操作員的真實商業場景中裝卸物料,Almond 的雙臂機器人 Axol 用團隊迭代四天得到的模型為自身零件去毛刺。多數應用走雲端推理,部分遇到網路連線問題,beta 報名已開放。

量子位AI 評分62

華為哈勃投資視塔機器人,做 1 毫米柔性觸覺電子皮膚

10 月 13 日,深圳視塔機器人完成天使輪融資,投資方包括華為旗下哈勃投資、深高新投旗下基金與高軒投資。公司由 1998 年出生的張偉創辦,團隊約 50 人、平均年齡約 23 歲,核心方案是把膽甾相液晶彈性體等柔性光子晶體與柔性 TFT 感光陣列結合,做成厚度小於 1 毫米、感知密度超 10,000 點/cm²的電子皮膚,量產感測器經 100 萬次測試誤差率均小於 5%。其自研的“外掛觸覺小腦”可與 VLA 等上層模型協同,在擦黑板、插孔等內部測試中任務成功率最高提升近 100%。