0
| 本文作者： 小七 | 2026-04-03 20:19 |
在虛擬Agent時代，模型依托文本、圖像與視頻數(shù)據(jù)實現(xiàn)跨越式發(fā)展，語言智能、視覺智能走向成熟。
但當 AI 真正進入物理世界、要讓機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。
所以從更底層能力來看，具身智能需要的不只video/language層面，而是在真實生活中認知、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習的，不是一段視頻，而是在真實生活中、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、精細化、可直接訓練的靈巧行為數(shù)據(jù)底座。
人類五指經(jīng)過數(shù)百萬年進化，形成27 塊骨骼 + 34 塊肌肉 + 24 個自由度的精密結構，是面對復雜、多樣靈巧操作的“通用接口”；同時現(xiàn)實生活中大量五指操作，也為模型訓練提供了豐富的樣本與實例。
那么如何將手的行為轉化為可被理解、訓練的數(shù)據(jù)，面臨的是多維度的疊加挑戰(zhàn)：
1.高質(zhì)量、自由度的靈巧手數(shù)據(jù)極度稀缺：多是視覺片段，缺少關節(jié)角度、且指尖空間精度停留在2-3cm，誤差大，有效數(shù)據(jù)供給遠不及產(chǎn)業(yè)需求。
2.多模態(tài)無法兼?zhèn)洹R：視覺、動作、觸覺不完整、不同步，時序錯位、空間不準， downstream 模型難以訓練、無法泛化。
3.采集設備與自然動作沖突：笨重、遮擋、負重感強，導致動作變形，數(shù)據(jù)失真，無法長期大規(guī)模采集。
4.頭和手獨立存在，而非形成“認知+行為的閉環(huán)”：僅靠頭視角：看得見，卻摸不準，精細操作徹底失效，或者只有手摸得準，卻看不全，全局操作極易出錯。這些無法構成人行為的物理交互的時空閉環(huán)。
5.無法規(guī)?；?，走出實驗室：遙操、動捕等方式都需要巨大成本布置場地，無法進入生活、進入戶外。
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”，但實際不“好用”。
簡智 Dex 要解決的，正是這個斷層。
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，轉化為機器可理解、可訓練、可泛化的采集終端。它與 Ego 協(xié)同，首次實現(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構化數(shù)據(jù)。
1.全自由度覆蓋，逼近人手生理極限的靈巧還原
面向最復雜的精細操作，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，都能完整捕捉，讓機器第一次學到人類真實的 “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)用來訓練的效率與價值。
? 自研磁編碼器實現(xiàn)0.02° 關節(jié)角檢測，且外骨骼結構使得在溫變與環(huán)境擾動下偏差極小，無需頻繁校準；
? 搭配高精度 IMU 與 Ego 紅外 + 視覺多重定位，最終達成mm 級指尖定位。每一個微操作都有真值，讓模型訓練告別 “模糊估計”。
3.行業(yè)最全單設備模態(tài)，補齊觸覺 + 視覺雙核心
單一視覺永遠學不會物理交互。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，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)一控制相機快門、曝光、IMU采樣等全設備時鐘，實現(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)真正可訓練、可復現(xiàn)。
5.無感穿戴設計，讓采集像戴手套一樣自然
動作自然，數(shù)據(jù)才真實。
? 自研磁編碼器微型化至3mm，整機體積與普通滑雪手套相當；
? 合金 + 彈性聚合復合材質(zhì)，重心優(yōu)化，整機僅 210g；長時間佩戴、連續(xù)復雜操作、精準抓取都無負擔，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 從設計之初就為量產(chǎn)數(shù)據(jù)而生：
? 結構自適應，適配不同手型；
? Ego+Dex 穿戴即采，無需基站、無需場端設備；
? 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、真實場景的數(shù)據(jù)生產(chǎn)成為可能。
如果說互聯(lián)網(wǎng)數(shù)據(jù)成就了語言與視覺大模型，那么人類真實物理交互的數(shù)據(jù)，將成就具身智能。
Dex 的意義，遠不止一款硬件：
? 它第一次用單設備實現(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)驗采集” 從實驗室搬到日常場景，讓數(shù)據(jù)可規(guī)?；?、可標準化、可互通復用；
? 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，機器人靠編程與仿真模仿動作；未來，機器人將通過 Dex 學習億萬次人類真實操作，真正理解物理世界。
寫在最后
簡智 Dex 的發(fā)布，是具身智能數(shù)據(jù)基建的關鍵一步。我們不再滿足于讓機器人 “動起來”，而是要讓機器人學得會、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。讓機器人，從學習人類的雙手開始。
雷峰網(wǎng)版權文章，未經(jīng)授權禁止轉載。詳情見轉載須知。
