一間寬敞的機(jī)器人實(shí)驗(yàn)室里，一位經(jīng)驗(yàn)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(dòng)作遙控一臺63自由度的雙臂靈巧手，任務(wù)只是讓機(jī)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(gè)動(dòng)作，任何一個(gè)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(jī)記錄下了所有失敗的瞬間。實(shí)驗(yàn)結(jié)束后，研究人員統(tǒng)計(jì)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(xué)、上海人工智能實(shí)驗(yàn)室、Sharpa等機(jī)構(gòu)聯(lián)合研究團(tuán)隊(duì)，在真實(shí)實(shí)驗(yàn)中記錄下來的真實(shí)數(shù)據(jù)。

那位操作員不是新手。那套機(jī)器人硬件，代表了當(dāng)前靈巧手領(lǐng)域的頂級水平，單臂7個(gè)自由度，每只手22個(gè)自由度，總活躍自由度63個(gè)，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(jià)不菲、精密無比的機(jī)器前，人類操作員能做的，只是不斷地看著東西從機(jī)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(qiáng)，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(jī)器人行業(yè)有一個(gè)有趣的現(xiàn)象。每當(dāng)有人討論具身智能的瓶頸，焦點(diǎn)幾乎總是落在兩個(gè)地方，算法不夠強(qiáng)，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(gè)最上游的問題，很少有人正面回答：機(jī)器人學(xué)習(xí)靈巧操作所需的訓(xùn)練數(shù)據(jù)，到底是怎么來的？

這個(gè)問題聽起來平淡，背后卻是整個(gè)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(gè)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(tuán)隊(duì)的實(shí)驗(yàn)，只是把這個(gè)問題暴露得最徹底的一個(gè)例子。他們研究過程中，曾面對的困境就是，機(jī)器人硬件越來越強(qiáng)，自由度越來越高，但采集訓(xùn)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(jī)器人時(shí)代勉強(qiáng)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(xùn)練？

研究團(tuán)隊(duì)最終用了一個(gè)頗為曲折的方法破局：引入IMCopilot輔助系統(tǒng)，用強(qiáng)化學(xué)習(xí)訓(xùn)出底層精細(xì)操作技能兜底，讓人只負(fù)責(zé)大范圍的手臂運(yùn)動(dòng)，精細(xì)的指尖操作交給系統(tǒng)自動(dòng)完成。這才把成功率從34%拉到了89%，勉強(qiáng)采集到了夠用的數(shù)據(jù)。

這個(gè)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(shí)繞開了，但根源沒有被解決，也很難復(fù)制。根源是什么？是現(xiàn)有的動(dòng)作采集工具，從設(shè)計(jì)之初就沒有認(rèn)真回答過"機(jī)器人真正需要什么樣的數(shù)據(jù)"這個(gè)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(gè)問題在等著你——這些數(shù)據(jù)，可能用完就廢了。機(jī)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(jī)器人公司，可能在十八個(gè)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(biāo)系定義都在變。為上一代硬件精心采集的數(shù)百小時(shí)示范數(shù)據(jù)，在新硬件發(fā)布后大概率直接作廢，因?yàn)椴煌瑯?gòu)型的機(jī)器人根本讀不懂彼此的數(shù)據(jù)格式。

這就是機(jī)器人行業(yè)里的"數(shù)據(jù)孤島"問題。它帶來的不只是重復(fù)勞動(dòng)，而是一種系統(tǒng)性的資源浪費(fèi)：每次硬件迭代，數(shù)據(jù)資產(chǎn)歸零；多款機(jī)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(gè)困局在當(dāng)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(gè)體或特定設(shè)備綁定。換個(gè)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(gè)困局，必須從底層重新想清楚一個(gè)問題：什么樣的數(shù)據(jù)，才是機(jī)器人真正能通用的數(shù)據(jù)？同時(shí)，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(qiáng)

我們把市面上的主流方案過一遍，光學(xué)動(dòng)捕、慣性動(dòng)捕、剛性外骨骼、計(jì)算機(jī)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(jià)值。但當(dāng)問題聚焦到手部動(dòng)作數(shù)據(jù)采集這個(gè)核心節(jié)點(diǎn)上時(shí)，真正能經(jīng)得起推敲的方案，屈指可數(shù)。

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

慣性動(dòng)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(jì)讓操作者擺脫線纜束縛，可在任意空間自由移動(dòng)，不受光學(xué)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(jī)數(shù)秒即可進(jìn)入工作狀態(tài)，特別適合需要大范圍移動(dòng)或復(fù)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(jì)校準(zhǔn)方向，易受磁場畸變干擾，導(dǎo)致數(shù)據(jù)飄移；同時(shí)，傳感器通過積分運(yùn)算推算角度，微小的測量噪聲會隨時(shí)間累積放大，此外，穿戴位置偏移會導(dǎo)致傳感器測量值與真實(shí)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(shí)驗(yàn)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?yàn)闄C(jī)械結(jié)構(gòu)束縛了自然動(dòng)作，采集效率和約束較多，數(shù)據(jù)又嚴(yán)格綁定設(shè)備自身的機(jī)械尺寸，換臺設(shè)備數(shù)據(jù)就失效了，不可能批量使用。

計(jì)算機(jī)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(shí)幾乎時(shí)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(dá)不到實(shí)時(shí)控制的要求。VR設(shè)備則本質(zhì)上是消費(fèi)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(gè)自由度的精細(xì)動(dòng)作完全感知不到，與機(jī)器人訓(xùn)練數(shù)據(jù)需求根本不在同一個(gè)維度。

五種方案，核心問題各有不同，但正是多個(gè)路線的持續(xù)進(jìn)化，一個(gè)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(gè)條件：無數(shù)據(jù)密集問題、無穿戴束縛、直接映射機(jī)器人關(guān)節(jié)空間。

03.

從關(guān)節(jié)重新定義行動(dòng)采集

近日，機(jī)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(gè)技術(shù)體系的出發(fā)點(diǎn)，是一個(gè)簡單卻又細(xì)膩深刻的洞察：人體運(yùn)動(dòng)的本質(zhì)，是關(guān)節(jié)角度的變化。關(guān)節(jié)角度是動(dòng)作的“本征參數(shù)”，獨(dú)立于體型、獨(dú)立于視角、獨(dú)立于任何具體硬件。

學(xué)術(shù)界對人體動(dòng)作識別領(lǐng)域的研究早已證實(shí)關(guān)節(jié)角度的通用性價(jià)值。Schlegel等人（2024）的研究明確指出：“關(guān)節(jié)角度表示具有獨(dú)立于視角和獨(dú)立于個(gè)體的特性……將關(guān)鍵點(diǎn)數(shù)據(jù)轉(zhuǎn)換為關(guān)節(jié)角度后，在動(dòng)作識別任務(wù)中可以直接帶來性能提升。”

因?yàn)閺娜梭w運(yùn)動(dòng)學(xué)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(dòng)作的所有細(xì)節(jié)。更重要的是，不同體型的人做動(dòng)作相同時(shí)，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(jì)算精確計(jì)算驗(yàn)證。此外，關(guān)節(jié)角度天然獨(dú)立于骨骼長度，是真正的動(dòng)作本質(zhì)，不是動(dòng)作者的個(gè)體特征。

從機(jī)器人控制層面更容易理解這種關(guān)節(jié)角度特性。因?yàn)闄C(jī)器人的底層控制指令，本質(zhì)上就是各關(guān)節(jié)的目標(biāo)角度。無論是人形機(jī)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(jī)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(jī)器人的關(guān)節(jié)空間，無需復(fù)雜的逆運(yùn)動(dòng)學(xué)解算，也無需針對不同硬件做二次適配。

就數(shù)據(jù)價(jià)值而言，關(guān)節(jié)角度的價(jià)值也更強(qiáng)。因?yàn)殛P(guān)節(jié)角度獨(dú)立于個(gè)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(jī)器人型號。同一套數(shù)據(jù)，可以同時(shí)搭載不同品牌、不同結(jié)構(gòu)型的所有機(jī)器人，才能真正實(shí)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(jī)構(gòu)已經(jīng)開始研究驗(yàn)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?yán)贸?2 萬小時(shí)人類第一視角視頻進(jìn)行預(yù)演，為機(jī)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(dòng)捕手套采集50小時(shí)的人體姿勢數(shù)據(jù)，以每只手25個(gè)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(jī)器人數(shù)據(jù)進(jìn)行配對訓(xùn)練。

EgoScale 框架

這證明了高保真、關(guān)節(jié)級的動(dòng)作數(shù)據(jù)，是彌合人機(jī)鴻溝的關(guān)鍵關(guān)鍵點(diǎn)。這組數(shù)據(jù)也傳送了一個(gè)語音信號，基于關(guān)節(jié)角度讀取的“運(yùn)動(dòng)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(bǔ)上慣性方案的最后一塊短板

當(dāng)然，關(guān)節(jié)角度這條路并非只有灝存在走。慣性動(dòng)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(gè)致命的弱點(diǎn)：漂移。從技術(shù)上來看，灝存科技解決了這個(gè)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?yàn)閭鹘y(tǒng)慣性傳感器受磁力計(jì)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(dòng)態(tài)的場景下，哪怕幾度的漂移，都會導(dǎo)致靈巧手無法精確復(fù)現(xiàn)人類手指的動(dòng)作。這也是為什么過去很多人在慣性方案和光學(xué)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(jì)，徹底解決了這個(gè)問題。他們通過自主研發(fā)的集成電路，對磁力計(jì)進(jìn)行磁通量干擾優(yōu)化。硬件層面的抗干擾設(shè)計(jì)，確保傳感器在金屬、電磁干擾等復(fù)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?yàn)殍F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(shí)，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(dú)立信道，實(shí)現(xiàn)了幾十毫秒級的端到端延遲。這個(gè)延遲指標(biāo)，在實(shí)時(shí)控制場景下意味著什么？意味著機(jī)器人的響應(yīng)與操作者的動(dòng)作幾乎同步無感，人機(jī)協(xié)作的流暢度達(dá)到了一個(gè)全新的層次。

此外，該公司開發(fā)了一套補(bǔ)償算法，這套算法的核心機(jī)制是每5秒鐘自動(dòng)執(zhí)行一次毫秒級的“零點(diǎn)修正”。其通過融合磁力計(jì)、陀螺儀和加速計(jì)的多維信號，結(jié)合人體運(yùn)動(dòng)學(xué)約束模型，智能識別傳感器當(dāng)前的靜態(tài)與動(dòng)態(tài)狀態(tài)，當(dāng)系統(tǒng)檢測到手部處于自然靜止或動(dòng)作間隙時(shí)，算法會自動(dòng)將當(dāng)前積分漂移產(chǎn)生的微小偏差歸零，同時(shí)保證動(dòng)態(tài)動(dòng)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(shí)，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(dòng)作采集中幾乎沒有短板的“六邊形戰(zhàn)士”。

低延時(shí)效果展示

當(dāng)漂移問題這個(gè)慣性方案唯一公認(rèn)的短板被補(bǔ)上之后，慣性動(dòng)捕的傳統(tǒng)優(yōu)勢被成倍放大：

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

例如非緊身穿戴，適配所有體型，長時(shí)間使用無壓迫感，動(dòng)作更自然；

例如開機(jī)快速校準(zhǔn)，穿戴后數(shù)秒即可進(jìn)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(shí)現(xiàn)全天候作業(yè)；

抗金屬干擾與電磁干擾

而且光學(xué)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(xué)方案卻很難企及。

更深層的價(jià)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(gè)人的手"，也不描述"這臺設(shè)備的關(guān)節(jié)"，只描述動(dòng)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(fù)利的可能。

這不只是一句產(chǎn)品口號。智元、強(qiáng)腦、靈心巧手、因時(shí)、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(shí)，海外合作也在推進(jìn)，與Build AI等機(jī)構(gòu)的合作正在推動(dòng)egocentric等前沿路線的落地研究。合作版圖的快速擴(kuò)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(yàn)證。

當(dāng)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(gè)機(jī)器人行業(yè)，悄悄鋪設(shè)一層通用的動(dòng)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(jī)器人公司采購了灝存的數(shù)據(jù)手套，采集了100小時(shí)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(jī)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(shí)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(jī)器人可以共享同一套動(dòng)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(fù)勞動(dòng)。

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(jià)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(gè)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(gè)開放、通用的機(jī)器人運(yùn)動(dòng)數(shù)據(jù)基礎(chǔ)設(shè)施。這個(gè)基礎(chǔ)設(shè)施的價(jià)值，會隨著機(jī)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(gè)讓全球機(jī)器人圈震撼的實(shí)驗(yàn)。上海交大團(tuán)隊(duì)能夠完成全球首個(gè)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(xì)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(jī)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(jìn)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(rèn)識到，具身智能能力的天花板，很大程度上是由訓(xùn)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(jī)器人企業(yè)、更多的應(yīng)用場景，以各個(gè)層級的成本、更高的效率，采集到真正可用、可復(fù)用、可持續(xù)積累的高質(zhì)量手部動(dòng)作數(shù)據(jù)。

如果目標(biāo)是為機(jī)器人建立可復(fù)用、可擴(kuò)展、跨平臺的高質(zhì)量動(dòng)作數(shù)據(jù)資產(chǎn)，如果需要在復(fù)雜工業(yè)環(huán)境中穩(wěn)定部署，如果需要同時(shí)支撐多款不同結(jié)構(gòu)型機(jī)器人的需求訓(xùn)練，其實(shí)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(jī)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(gè)行業(yè)可能有望突圍的真正方向。