在虛擬Agent時代，模型依托文本、圖像與視頻數(shù)據(jù)實(shí)現(xiàn)跨越式發(fā)展，語言智能、視覺智能走向成熟。

但當(dāng)AI真正進(jìn)入物理世界、要讓機(jī)器人像人一樣靈巧干活時，需要在open-world場景、有交互的處理多樣類型的任務(wù)。

所以從更底層能力來看，具身智能需要的不只video/language層面，而是在真實(shí)生活中認(rèn)知、行動、產(chǎn)生交互，并根據(jù)物理反饋持續(xù)思考與迭代。

這就意味著具身智能需要學(xué)習(xí)的，不是一段視頻，而是在真實(shí)生活中、自然多樣的Human Data。

今天，簡智正式發(fā)布Gen DAS Dex（以下簡稱Dex）——實(shí)現(xiàn)人手全模態(tài)感知與行為的高精度重建，并與Ego配合，革新“Human Data”數(shù)據(jù)范式，為具身智能提供覆蓋“頭+手”全場景、精細(xì)化、可直接訓(xùn)練的靈巧行為數(shù)據(jù)底座。

01 為什么今天的具身智能，需要Dex這樣的“手”？

人類五指經(jīng)過數(shù)百萬年進(jìn)化，形成27塊骨骼+ 34塊肌肉+ 24個自由度的精密結(jié)構(gòu)，是面對復(fù)雜、多樣靈巧操作的“通用接口”；同時現(xiàn)實(shí)生活中大量五指操作，也為模型訓(xùn)練提供了豐富的樣本與實(shí)例。

那么如何將手的行為轉(zhuǎn)化為可被理解、訓(xùn)練的數(shù)據(jù)，面臨的是多維度的疊加挑戰(zhàn)：

1.高質(zhì)量、自由度的靈巧手?jǐn)?shù)據(jù)極度稀缺：多是視覺片段，缺少關(guān)節(jié)角度、且指尖空間精度停留在2-3cm，誤差大，有效數(shù)據(jù)供給遠(yuǎn)不及產(chǎn)業(yè)需求。

2.多模態(tài)無法兼?zhèn)?、對齊：視覺、動作、觸覺不完整、不同步，時序錯位、空間不準(zhǔn)，downstream模型難以訓(xùn)練、無法泛化。

3.采集設(shè)備與自然動作沖突：笨重、遮擋、負(fù)重感強(qiáng)，導(dǎo)致動作變形，數(shù)據(jù)失真，無法長期大規(guī)模采集。

4.頭和手獨(dú)立存在，而非形成“認(rèn)知+行為的閉環(huán)”：僅靠頭視角：看得見，卻摸不準(zhǔn)，精細(xì)操作徹底失效，或者只有手摸得準(zhǔn)，卻看不全，全局操作極易出錯。這些無法構(gòu)成人行為的物理交互的時空閉環(huán)。

5.無法規(guī)?；叱鰧?shí)驗(yàn)室：遙操、動捕等方式都需要巨大成本布置場地，無法進(jìn)入生活、進(jìn)入戶外。

因此過去的問題在于，上面多個維度是“trade-off”狀態(tài)，而真正好用的數(shù)據(jù)需要被同時滿足，這也使得看似有“大量的數(shù)據(jù)、原始素材”，但實(shí)際不“好用”。

簡智Dex要解決的，正是這個斷層。

02 Gen DAS Dex 到底帶來了什么？

Dex不只是一只“數(shù)據(jù)手套”，而是一整套把人類雙手行為與感受，轉(zhuǎn)化為機(jī)器可理解、可訓(xùn)練、可泛化的采集終端。它與Ego協(xié)同，首次實(shí)現(xiàn)“頭+手”全鏈路、全模態(tài)、高精度、低延遲的數(shù)據(jù)閉環(huán)，輸出可直接喂給模型的結(jié)構(gòu)化數(shù)據(jù)。

1.全自由度覆蓋，逼近人手生理極限的靈巧還原

面向最復(fù)雜的精細(xì)操作，Dex用仿生輕量化外骨骼，完整支持人手23個自由度檢測，接近人手生理全部自由度。無論是指尖捏取、指節(jié)彎曲、掌心開合還是手腕扭轉(zhuǎn)，都能完整捕捉，讓機(jī)器第一次學(xué)到人類真實(shí)的“手怎么動”。

2.行業(yè)頂級精度，為模型迭代筑牢真值根基

精度，決定數(shù)據(jù)用來訓(xùn)練的效率與價值。

?自研磁編碼器實(shí)現(xiàn)0.02°關(guān)節(jié)角檢測，且外骨骼結(jié)構(gòu)使得在溫變與環(huán)境擾動下偏差極小，無需頻繁校準(zhǔn)；

?搭配高精度IMU與Ego紅外+視覺多重定位，最終達(dá)成mm級指尖定位。每一個微操作都有真值，讓模型訓(xùn)練告別“模糊估計(jì)”。

3.行業(yè)最全單設(shè)備模態(tài)，補(bǔ)齊觸覺+視覺雙核心

單一視覺永遠(yuǎn)學(xué)不會物理交互。Dex做到真正多模態(tài)合一：

?指尖搭載高精度磁觸覺傳感，靈敏度0.05N，空間分辨率1mm，清晰捕捉撫摸、抓取、按壓的物理反饋；

?手背/手下方配置150°超廣視角攝像頭，與Ego View互補(bǔ)，無死角記錄抓取全過程。視覺看“怎么做”，觸覺懂“用多大力”，數(shù)據(jù)價值直接翻倍。

4.頭手協(xié)同1ms超低延遲，多模態(tài)信息可靠對齊

具身智能最痛的，是“頭看的”和“手做的”對不上。解決這一問題，不能只通過云端“拼湊”與對齊，而是需要從硬件開始就著手解決，

Dex通過SUB?G無線協(xié)同，統(tǒng)一控制相機(jī)快門、曝光、IMU采樣等全設(shè)備時鐘，實(shí)現(xiàn)多源數(shù)據(jù)亞毫秒級對齊。頭部視角、手部動作、觸覺信號完全同步，讓“眼?手”協(xié)同數(shù)據(jù)真正可訓(xùn)練、可復(fù)現(xiàn)。

5.無感穿戴設(shè)計(jì)，讓采集像戴手套一樣自然

動作自然，數(shù)據(jù)才真實(shí)。

?自研磁編碼器微型化至3mm，整機(jī)體積與普通滑雪手套相當(dāng)；

?合金+彈性聚合復(fù)合材質(zhì)，重心優(yōu)化，整機(jī)僅210g；長時間佩戴、連續(xù)復(fù)雜操作、精準(zhǔn)抓取都無負(fù)擔(dān)，徹底避免“為采集而演戲”。

6.全場景規(guī)?；杉镜囟藟嚎s/質(zhì)檢，讓效率提升兩個數(shù)量級

Dex從設(shè)計(jì)之初就為量產(chǎn)數(shù)據(jù)而生：

?結(jié)構(gòu)自適應(yīng)，適配不同手型；

?Ego+Dex穿戴即采，無需基站、無需場端設(shè)備；

?語音交互控制，單次續(xù)航超3小時；

?自動流式無線傳輸，3分鐘完成采集?上傳全鏈路，數(shù)據(jù)采集效率提升100倍。讓大規(guī)模、低成本、全天候、真實(shí)場景的數(shù)據(jù)生產(chǎn)成為可能。

03 從“看視頻的AI”，到“會動手的物理智能”

如果說互聯(lián)網(wǎng)數(shù)據(jù)成就了語言與視覺大模型，那么人類真實(shí)物理交互的數(shù)據(jù)，將成就具身智能。

Dex的意義，遠(yuǎn)不止一款硬件：

?它第一次用單設(shè)備實(shí)現(xiàn)手部全自由度+高精度+觸覺+視覺+頭手同步的一體化采集；

?它把“經(jīng)驗(yàn)采集”從實(shí)驗(yàn)室搬到日常場景，讓數(shù)據(jù)可規(guī)模化、可標(biāo)準(zhǔn)化、可互通復(fù)用；

?它與Ego協(xié)同，共同定義Human Centric數(shù)據(jù)新范式，為具身世界模型提供最核心的“頭+手”行為數(shù)據(jù)源泉。

過去，機(jī)器人靠編程與仿真模仿動作；未來，機(jī)器人將通過Dex學(xué)習(xí)億萬次人類真實(shí)操作，真正理解物理世界。

簡智 Dex 的發(fā)布，是具身智能數(shù)據(jù)基建的關(guān)鍵一步。我們不再滿足于讓機(jī)器人 “動起來”，而是要讓機(jī)器人學(xué)得會、做得穩(wěn)、用得自然。以Dex 為采集入口，以全模態(tài)高精度數(shù)據(jù)為燃料，以頭手協(xié)同為骨架，一個可持續(xù)積累、持續(xù)迭代、持續(xù)泛化的物理智能時代，正在到來。讓機(jī)器人，從學(xué)習(xí)人類的雙手開始。