一間寬敞的機器人實驗室里，一位經(jīng)驗豐富的操作員正在汗流浹背地工作。他戴著VR頭顯，穿著外骨骼，試圖通過手部動作遙控一臺63自由度的雙臂靈巧手，任務(wù)只是讓機器人的手指穩(wěn)穩(wěn)抓住一顆乒乓球，然后讓它在掌心轉(zhuǎn)一圈。

這個動作，任何一個五歲的孩子都能輕松完成。

但操作員試了一次又一次。球滑落，夾碎，歪倒。攝像機記錄下了所有失敗的瞬間。實驗結(jié)束后，研究人員統(tǒng)計了數(shù)據(jù)：乒乓球旋轉(zhuǎn)的成功率，只有10%。這是上海交通大學、上海人工智能實驗室、Sharpa等機構(gòu)聯(lián)合研究團隊，在真實實驗中記錄下來的真實數(shù)據(jù)。

那位操作員不是新手。那套機器人硬件，代表了當前靈巧手領(lǐng)域的頂級水平，單臂7個自由度，每只手22個自由度，總活躍自由度63個，每根指尖都配有能輸出6維力和力矩信號的傳感器。但站在這臺造價不菲、精密無比的機器前，人類操作員能做的，只是不斷地看著東西從機械手指間滑落。

問題出在哪里？不是硬件不夠好，不是算法不夠強，問題出在隨著自由度的提升，數(shù)據(jù)開始采不出來。

01.

被忽視的上游戰(zhàn)場

機器人行業(yè)有一個有趣的現(xiàn)象。每當有人討論具身智能的瓶頸，焦點幾乎總是落在兩個地方，算法不夠強，或者硬件不夠好。大家爭相比較誰的模型參數(shù)更多，誰的關(guān)節(jié)扭矩更大，誰的手指自由度更高。

但有一個最上游的問題，很少有人正面回答：機器人學習靈巧操作所需的訓練數(shù)據(jù)，到底是怎么來的？

這個問題聽起來平淡，背后卻是整個具身智能產(chǎn)業(yè)鏈如今最直接的卡脖子環(huán)節(jié)。算法需要喂數(shù)據(jù)，數(shù)據(jù)需要人類示范，人類示范需要采集設(shè)備，采集設(shè)備的質(zhì)量直接決定了數(shù)據(jù)的質(zhì)量，數(shù)據(jù)的質(zhì)量直接決定了算法的上限。這條鏈條里，任何一個環(huán)節(jié)出了問題，后面所有的投入都在打水漂。

上海交大團隊的實驗，只是把這個問題暴露得最徹底的一個例子。他們研究過程中，曾面對的困境就是，機器人硬件越來越強，自由度越來越高，但采集訓練數(shù)據(jù)的工具卻沒有跟上。剛性外骨骼加VR頭顯，這套在低自由度機器人時代勉強夠用的方案，在63自由度的靈巧手面前直接崩了。乒乓球成功率10%，蘋果旋轉(zhuǎn)27%，整體均值34%，連數(shù)據(jù)都采不出來，模型從何訓練？

研究團隊最終用了一個頗為曲折的方法破局：引入IMCopilot輔助系統(tǒng)，用強化學習訓出底層精細操作技能兜底，讓人只負責大范圍的手臂運動，精細的指尖操作交給系統(tǒng)自動完成。這才把成功率從34%拉到了89%，勉強采集到了夠用的數(shù)據(jù)。

這個方案有效，但也足夠笨拙。它像是在用一根拐杖來掩蓋一條腿的骨折，問題被臨時繞開了，但根源沒有被解決，也很難復制。根源是什么？是現(xiàn)有的動作采集工具，從設(shè)計之初就沒有認真回答過"機器人真正需要什么樣的數(shù)據(jù)"這個問題。

采集問題還不是全部。即便你用盡一切方法，咬牙把數(shù)據(jù)采出來了，還有另一個問題在等著你——這些數(shù)據(jù)，可能用完就廢了。機器人行業(yè)的硬件迭代速度，今天已經(jīng)快到令人咋舌。一家頭部機器人公司，可能在十八個月內(nèi)連續(xù)發(fā)布三代產(chǎn)品，每一代的關(guān)節(jié)數(shù)量、連桿比例、坐標系定義都在變。為上一代硬件精心采集的數(shù)百小時示范數(shù)據(jù)，在新硬件發(fā)布后大概率直接作廢，因為不同構(gòu)型的機器人根本讀不懂彼此的數(shù)據(jù)格式。

這就是機器人行業(yè)里的"數(shù)據(jù)孤島"問題。它帶來的不只是重復勞動，而是一種系統(tǒng)性的資源浪費：每次硬件迭代，數(shù)據(jù)資產(chǎn)歸零；多款機器人并行研發(fā)，采集成本成倍疊加；算法迭代的節(jié)奏，被數(shù)據(jù)重采的周期死死拖住。對于資金有限的中小企業(yè)來說，這種慢性失血式的成本結(jié)構(gòu)，足以在競爭中把人拖垮。

更深層的問題是，這個困局在當前的主流采集方案框架下，幾乎無解。原因很簡單：絕大多數(shù)采集工具輸出的數(shù)據(jù)，天然就與特定個體或特定設(shè)備綁定。換個人采，數(shù)據(jù)不一樣；換臺設(shè)備，數(shù)據(jù)失效。

想要真正跳出這個困局，必須從底層重新想清楚一個問題：什么樣的數(shù)據(jù)，才是機器人真正能通用的數(shù)據(jù)？同時，我們到底需要什么樣的數(shù)采設(shè)備？直到我們看到這類新產(chǎn)品。

02.

數(shù)采方案到底哪種更強

我們把市面上的主流方案過一遍，光學動捕、慣性動捕、剛性外骨骼、計算機視覺、VR交互設(shè)備……這五條技術(shù)路線都有擁躉，也都在特定場景里證明過自己的價值。但當問題聚焦到手部動作數(shù)據(jù)采集這個核心節(jié)點上時，真正能經(jīng)得起推敲的方案，屈指可數(shù)。

光學動捕方案是目前較多使用的一種，其精度一流，是生物力學研究的金標準，但采集的是標記點的絕對空間坐標，數(shù)據(jù)天然綁定個體體型，無法跨體型遷移，更無法直接映射到機器人關(guān)節(jié)空間。加上只能在固定實驗室部署、遮擋就會丟數(shù)據(jù)，面對高自由度操作時，遮擋問題幾乎無解。

慣性動捕的優(yōu)勢在于自由度極高、部署靈活、成本可控，全無線設(shè)計讓操作者擺脫線纜束縛，可在任意空間自由移動，不受光學方案必須依賴固定場地和視場范圍的限制，穿戴式設(shè)備即戴即用，開機數(shù)秒即可進入工作狀態(tài)，特別適合需要大范圍移動或復雜環(huán)境作業(yè)的場景。但它的短板也同樣明顯，傳統(tǒng)慣性方案依賴磁力計校準方向，易受磁場畸變干擾，導致數(shù)據(jù)飄移；同時，傳感器通過積分運算推算角度，微小的測量噪聲會隨時間累積放大，此外，穿戴位置偏移會導致傳感器測量值與真實解剖關(guān)節(jié)角度之間產(chǎn)生偏差，影響數(shù)據(jù)一致性。

剛性外骨骼的技術(shù)思路方向是直接測關(guān)節(jié)角度。上海交大的研究已經(jīng)給出了真實驗證，用外骨骼加VR頭顯遙操作63自由度雙臂，雖然能提升成功率，但因為機械結(jié)構(gòu)束縛了自然動作，采集效率和約束較多，數(shù)據(jù)又嚴格綁定設(shè)備自身的機械尺寸，換臺設(shè)備數(shù)據(jù)就失效了，不可能批量使用。

計算機視覺無需穿戴，部署門檻最低。但手部場景是它的噩夢，手指在抓握、旋轉(zhuǎn)、捏持時幾乎時刻互相遮擋，數(shù)據(jù)跳變和缺失是常態(tài)。算法延遲普遍在數(shù)十毫秒以上，達不到實時控制的要求。VR設(shè)備則本質(zhì)上是消費級交互工具，輸出的是頭顯和手柄的六自由度位姿，手指22個自由度的精細動作完全感知不到，與機器人訓練數(shù)據(jù)需求根本不在同一個維度。

五種方案，核心問題各有不同，但正是多個路線的持續(xù)進化，一個數(shù)據(jù)采集的共識開始出現(xiàn)，即想要真正解決高自由度靈巧手的數(shù)據(jù)采集難題，必須滿足三個條件：無數(shù)據(jù)密集問題、無穿戴束縛、直接映射機器人關(guān)節(jié)空間。

03.

從關(guān)節(jié)重新定義行動采集

近日，機器人大講堂發(fā)現(xiàn)，數(shù)據(jù)國內(nèi)手套領(lǐng)域的頭部企業(yè)灝存科技，嘗試構(gòu)建一套從底層邏輯出發(fā)的解決方案。

灝存科技整個技術(shù)體系的出發(fā)點，是一個簡單卻又細膩深刻的洞察：人體運動的本質(zhì)，是關(guān)節(jié)角度的變化。關(guān)節(jié)角度是動作的“本征參數(shù)”，獨立于體型、獨立于視角、獨立于任何具體硬件。

學術(shù)界對人體動作識別領(lǐng)域的研究早已證實關(guān)節(jié)角度的通用性價值。Schlegel等人（2024）的研究明確指出：“關(guān)節(jié)角度表示具有獨立于視角和獨立于個體的特性……將關(guān)鍵點數(shù)據(jù)轉(zhuǎn)換為關(guān)節(jié)角度后，在動作識別任務(wù)中可以直接帶來性能提升?！?/p>

因為從人體運動學層面而言，關(guān)節(jié)的旋轉(zhuǎn)角度，可以完整地描述了例如手部等動作的所有細節(jié)。更重要的是，不同體型的人做動作相同時，關(guān)節(jié)角度的變化曲線高度相似，這種相似性可以通過姿勢計算精確計算驗證。此外，關(guān)節(jié)角度天然獨立于骨骼長度，是真正的動作本質(zhì)，不是動作者的個體特征。

從機器人控制層面更容易理解這種關(guān)節(jié)角度特性。因為機器人的底層控制指令，本質(zhì)上就是各關(guān)節(jié)的目標角度。無論是人形機器人的軀干關(guān)節(jié)，控制系統(tǒng)的輸入都是關(guān)節(jié)角度。人體關(guān)節(jié)角度與機器人關(guān)節(jié)空間之間，存在天然的直接映射關(guān)系，這意味著，人體關(guān)節(jié)角度數(shù)據(jù)可以直接映射到機器人的關(guān)節(jié)空間，無需復雜的逆運動學解算，也無需針對不同硬件做二次適配。

就數(shù)據(jù)價值而言，關(guān)節(jié)角度的價值也更強。因為關(guān)節(jié)角度獨立于個體本體型和具體硬件，基于關(guān)節(jié)角度的數(shù)據(jù)集不綁定任何特定機器人型號。同一套數(shù)據(jù)，可以同時搭載不同品牌、不同結(jié)構(gòu)型的所有機器人，才能真正實現(xiàn)“一次采集，多端裝備，永久有效”。

筆者發(fā)現(xiàn)，目前全球領(lǐng)先研究機構(gòu)已經(jīng)開始研究驗證關(guān)節(jié)角度數(shù)據(jù)采集這條路線的正確性。例如NVIDIA 近期發(fā)布的 EgoScale 框架，嘗試利用超 2 萬小時人類第一視角視頻進行預演，為機器人注入通用“操作直覺”。但研究過程中發(fā)現(xiàn)，視頻數(shù)據(jù)本身還不夠。他們關(guān)鍵的第二步就是用高精度動捕手套采集50小時的人體姿勢數(shù)據(jù)，以每只手25個關(guān)節(jié)自由度的精度，完整捕捉從手腕到指尖的所有姿勢姿勢，與機器人數(shù)據(jù)進行配對訓練。

EgoScale 框架

這證明了高保真、關(guān)節(jié)級的動作數(shù)據(jù)，是彌合人機鴻溝的關(guān)鍵關(guān)鍵點。這組數(shù)據(jù)也傳送了一個語音信號，基于關(guān)節(jié)角度讀取的“運動智能”，是與具體硬件無關(guān)的通用能力。

灝存科技正是基于這一底層邏輯，構(gòu)建了完整的技術(shù)體系。

04.

補上慣性方案的最后一塊短板

當然，關(guān)節(jié)角度這條路并非只有灝存在走。慣性動捕（IMU）方案在行業(yè)里并不是新鮮事物，但它長期以來有一個致命的弱點：漂移。從技術(shù)上來看，灝存科技解決了這個關(guān)鍵技術(shù)難題，使其方案脫穎而出。

數(shù)據(jù)手套與靈巧手適配效果展示

因為傳統(tǒng)慣性傳感器受磁力計飽和、金屬環(huán)境干擾、電磁場變化等因素影響，容易產(chǎn)生數(shù)據(jù)漂移和誤差積累。尤其是在手部這種高精度、高動態(tài)的場景下，哪怕幾度的漂移，都會導致靈巧手無法精確復現(xiàn)人類手指的動作。這也是為什么過去很多人在慣性方案和光學方案之間搖擺不定的原因。

灝存科技用硬件級的抗干擾設(shè)計，徹底解決了這個問題。他們通過自主研發(fā)的集成電路，對磁力計進行磁通量干擾優(yōu)化。硬件層面的抗干擾設(shè)計，確保傳感器在金屬、電磁干擾等復雜環(huán)境中仍能穩(wěn)定采集高精度數(shù)據(jù)。無論是船艙、艦艇、鋼結(jié)構(gòu)建筑，還是金屬加工車間，系統(tǒng)都不會因為鐵磁物質(zhì)的存在而出現(xiàn)數(shù)據(jù)漂移。

千元級靈巧手高精度遙操作展示

同時，灝存采用了全自研的通信模組和私有通信協(xié)議，選擇自有協(xié)議棧與獨立信道，實現(xiàn)了幾十毫秒級的端到端延遲。這個延遲指標，在實時控制場景下意味著什么？意味著機器人的響應(yīng)與操作者的動作幾乎同步無感，人機協(xié)作的流暢度達到了一個全新的層次。

此外，該公司開發(fā)了一套補償算法，這套算法的核心機制是每5秒鐘自動執(zhí)行一次毫秒級的“零點修正”。其通過融合磁力計、陀螺儀和加速計的多維信號，結(jié)合人體運動學約束模型，智能識別傳感器當前的靜態(tài)與動態(tài)狀態(tài)，當系統(tǒng)檢測到手部處于自然靜止或動作間隙時，算法會自動將當前積分漂移產(chǎn)生的微小偏差歸零，同時保證動態(tài)動作的連貫性不受任何影響。得益于此，灝存的數(shù)據(jù)手套在保留了IMU“高刷新率、低延遲、不受金屬/光線干擾、全域可用”等全部優(yōu)勢的同時，徹底告別了傳統(tǒng)慣性方案“走著走著就歪了”的頑疾。 可以說，灝存的這套算法，讓IMU路線在成本和自由度上的巨大優(yōu)勢真正被釋放了出來，成為手部動作采集中幾乎沒有短板的“六邊形戰(zhàn)士”。

低延時效果展示

當漂移問題這個慣性方案唯一公認的短板被補上之后，慣性動捕的傳統(tǒng)優(yōu)勢被成倍放大：

例如全無線設(shè)計，操作者不受線纜束縛，可以在復雜環(huán)境中自由移動；

例如非緊身穿戴，適配所有體型，長時間使用無壓迫感，動作更自然；

例如開機快速校準，穿戴后數(shù)秒即可進入工作狀態(tài)，非專業(yè)人員也能輕松上手；

例如抗電磁與光干擾，夜間、隧道、礦井等黑暗環(huán)境同樣穩(wěn)定可靠，實現(xiàn)全天候作業(yè)；

抗金屬干擾與電磁干擾

而且光學方案能做到的精度，慣性方案同樣可以接近，但慣性方案能做到的自由度、泛化能力、環(huán)境適應(yīng)性，光學方案卻很難企及。

更深層的價值，藏在數(shù)據(jù)結(jié)構(gòu)本身。

灝存科技的數(shù)據(jù)手套采集的是關(guān)節(jié)角度這一"本征參數(shù)"——它不描述"這個人的手"，也不描述"這臺設(shè)備的關(guān)節(jié)"，只描述動作本身。這意味著同一套數(shù)據(jù)，天然可以跨品牌、跨構(gòu)型、跨代際使用。A品牌靈巧手能用，B品牌同樣能用；今天的硬件能用，兩年后升級的新硬件依然能用。硬件迭代不再意味著數(shù)據(jù)清零，數(shù)據(jù)資產(chǎn)第一次真正具備了長期復利的可能。

這不只是一句產(chǎn)品口號。智元、強腦、靈心巧手、因時、靈巧智能、傲意——國內(nèi)主流靈巧手公司的全線產(chǎn)品，灝存科技已經(jīng)逐一完成適配；與此同時，海外合作也在推進，與Build AI等機構(gòu)的合作正在推動egocentric等前沿路線的落地研究。合作版圖的快速擴張，本身就是對"一次采集、多端適配"這一底層邏輯最直接的市場驗證。

當越來越多的硬件平臺接入同一套數(shù)據(jù)語言，這件事的意義就不只是一家公司的商業(yè)成功了。它更像是在為整個機器人行業(yè)，悄悄鋪設(shè)一層通用的動作數(shù)據(jù)基礎(chǔ)設(shè)施。

可適配任意型號靈巧手

想象一下這樣的場景：一家機器人公司采購了灝存的數(shù)據(jù)手套，采集了100小時的高質(zhì)量手部操作數(shù)據(jù)。半年后，這家公司決定升級機器人硬件，從A品牌換到B品牌。在傳統(tǒng)方案下，這意味著所有數(shù)據(jù)都要重新采集。但在灝存的方案下，原來的100小時數(shù)據(jù)依然可以直接使用，無需任何轉(zhuǎn)換，無需任何適配。

這意味著什么？意味著硬件迭代不再會數(shù)據(jù)清零；意味著不同型號的機器人可以共享同一套動作庫；意味著數(shù)據(jù)采集的成本可以攤薄到每一次硬件升級中；意味著算法的迭代速度不再受制于數(shù)據(jù)采集的重復勞動。

這就是關(guān)節(jié)角度作為“通用語言”的威力。它讓數(shù)據(jù)的價值從“一次性”變成了“永久性”，從“設(shè)備專用”變成了“平臺通用”。從這個意義上說，灝存科技不只是在做數(shù)據(jù)手套，而是在構(gòu)建一個開放、通用的機器人運動數(shù)據(jù)基礎(chǔ)設(shè)施。這個基礎(chǔ)設(shè)施的價值，會隨著機器人硬件種類的增多而指數(shù)級放大。

M11手勢識別數(shù)據(jù)手套參數(shù)

05.

結(jié)語與未來

回到文章開頭那個讓全球機器人圈震撼的實驗。上海交大團隊能夠完成全球首個雙靈巧手自主削蘋果，內(nèi)部的關(guān)鍵突破之一，就是找到了一種能夠穩(wěn)定采集高自由度精細操作的方式。這證明了數(shù)據(jù)質(zhì)量有望決定算法上限，算法上限決定機器人的能力邊界。

現(xiàn)如今，具身智能的競爭，已經(jīng)從“誰的硬件設(shè)施更好”進入了“誰的數(shù)據(jù)更多、更通用、質(zhì)量更高”的新階段。不少人已經(jīng)認識到，具身智能能力的天花板，很大程度上是由訓練數(shù)據(jù)的天花板決定的。

灝存科技正在做的事情，就是把系統(tǒng)邏輯推向更大的規(guī)模，讓更多的機器人企業(yè)、更多的應(yīng)用場景，以各個層級的成本、更高的效率，采集到真正可用、可復用、可持續(xù)積累的高質(zhì)量手部動作數(shù)據(jù)。

如果目標是為機器人建立可復用、可擴展、跨平臺的高質(zhì)量動作數(shù)據(jù)資產(chǎn)，如果需要在復雜工業(yè)環(huán)境中穩(wěn)定部署，如果需要同時支撐多款不同結(jié)構(gòu)型機器人的需求訓練，其實現(xiàn)在的答案已經(jīng)足夠清晰了。

從關(guān)節(jié)角度出發(fā)，用真正符合機器人特性的采集系統(tǒng)，從數(shù)據(jù)源頭建立通用性。這就是灝存科技正在做的事情，也是這個行業(yè)可能有望突圍的真正方向。