破晓智能发布SeePhysHub，国内最年轻AI教授创业，补全Ego数据缺失的全身与触觉模态

10月14日，具身智能初创公司破晓智能联合天珑移动正式发布全身全模态数据采集系统SeePhys Hub。这一动作标志着国内具身智能数据采集进入新阶段——从以视觉为主的第一视角（Ego）记录，转向覆盖全身运动与手部触觉的多模态协同采集。

SeePhys Hub的硬件组成清晰而克制：一个四目头环、两个腕部手环、三个腰腿部动作追踪器，以及一副可选配的高密度触觉手套。整套设备并非简单堆叠传感器，而是围绕“稀疏节点+多源融合”的思路设计：在人体关键部位部署少量高精度节点，结合IMU惯性测量单元、UWB超宽带测距与视觉信号，通过算法重建全身姿态；触觉手套则同步记录手部与物体接触时的压力分布变化。

该系统的研发背景源于当前具身智能训练中的一个核心瓶颈：尽管Ego数据已广泛用于机器人模仿学习——如EgoScale使用的两万多小时人类操作视频、Dyna-2的百万小时预训练——但其本质仍是以视觉为中心的“单眼观察”。当任务涉及移动、弯腰、双臂协调等全身动作时，仅靠第一视角相机难以可靠还原躯干、下肢及被遮挡部位的状态。

例如，人伸手取高处物品时，肩、肘、髋关节需协同调整；拉平床单时，脚步位移、手臂摆动与手指施力必须实时配合。这些动作在视频中可能仅呈现结果，却丢失了过程中的动态约束与物理反馈。尤其在身体自遮挡或环境遮挡场景下，纯视觉姿态估计的误差显著上升。

SeePhys Hub试图在“高成本动捕系统”与“轻量Ego方案”之间开辟第三条路径。其优势在于：保留Ego采集的日常场景适应性与规模化潜力，同时补上被忽略的身体运动与“手感”维度。团队强调，目标不是追求毫米级动捕精度，而是提升每小时操作数据中可提取的有效交互信息密度。

同步精度是该系统的关键工程细节之一。据产品资料，头环内相机、IMU与UWB模块的时间同步误差不超过0.5毫秒。这意味着当视频中手部触碰物体的帧瞬间，压力信号与关节角速度变化能精确对齐，为后续构建“感知-动作-物理反馈”闭环模型提供可靠基础。

触觉信息的引入尤为关键。研发团队举例说明：拿起一颗葡萄时，人会根据初始触碰的阻力判断是否继续加力，或转为轻捏调整。这种微调依赖于毫牛级压力变化的实时感知。触觉手套记录的不仅是“是否接触”，更是“如何接触”——这对训练机器人执行精细操作（如抓取易碎物、拧开瓶盖）具有不可替代的价值。

在真实操作中，人的动作常伴随转身、侧身、蹲起等视角剧烈变化。SeePhys Hub的四目头环提供360°环视能力，配合腕部相机补充近场细节，确保即使人在侧身关门、弯腰拾物时，关键动作仍被完整捕获。这解决了传统Ego设备因视角局限导致的动作断点问题。

值得注意的是，破晓智能的创始团队背景特殊：其核心成员为国内最年轻的AI方向教授，具备扎实的神经网络与具身认知研究积累。此次创业并非从零起步，而是基于对Ego数据局限性的长期观察与算法验证。团队并未止步于硬件发布，而是同步推进数据处理流水线建设，包括多模态数据解析、动作切分、语义标注等环节。

从行业趋势看，世界模型正成为具身智能的核心基础设施。2026年，全球范围内相关融资热潮持续升温：Meta前首席科学家杨立昆创办的AMI Labs种子轮达10.5亿美元；李飞飞创立的World Labs以82亿美元估值被AMD收购；国内赛道截至10月已有88起融资事件，超50起为亿元级以上。但多数项目聚焦于模型架构或仿真训练，真正深入真实人类行为数据采集层的硬件创新仍属稀缺。

SeePhys Hub的出现，恰填补了这一空白。它不直接训练机器人，而是致力于提升“人类示范数据”的信息完备性——这是通向高泛化能力具身智能的前提。正如团队所言：“模型能否理解世界，取决于它看到的世界有多完整。”

目前，该系统已开放早期合作申请，目标用户包括高校实验室、机器人研发企业及工业场景落地团队。破晓智能表示，未来将基于采集数据训练“全身-触觉增强”的世界模型，并探索其在家庭服务、仓储物流、康复辅助等场景中的迁移能力。

具身智能的发展路径正在分化：一派依赖仿真与合成数据快速迭代模型；另一派则坚持从真实人类行为中挖掘物理一致性。SeePhys Hub代表后者的技术演进方向——在数据源头做加法，而非在模型端做补偿。

随着更多全身模态数据的积累，机器人对“如何行动”的理解或将从“模仿外观动作”迈向“复现内在动力学”。这不仅是传感器的升级，更是对具身认知本质的一次回归。