泉源：墨西哥破天下杯96年魔咒作者： 李冠枝：

桥介数物尚阳星：高质量的跨本体全身运动数据不可依赖简朴收罗

当宇树用侧空翻和功夫向全球证实晰其顶尖的小脑能力，，当银河通用、星海图、千寻智能等公司正在把“通用具身大脑”推成行业的主流叙事。。。。。。一切看起来顺理成章——运动能力解决了，，接下来就是大脑竞争的时代了。。。。。。

但这里有一个被公众整体忽略的事实：宇树（们）搞定了，，不代表行业解决了。。。。。。运动控制从未成为一个被普遍解决的问题，，它只是少少数公司的私有能力。。。。。。

现真相形是：头部具身大脑公司历来不把运动控制看成他们自己的主场，，它们的战略是绕开宇树最强的壁垒，，先做轮式或牢靠底盘机械人。。。。。。中小人形本体公司在运动控制上的追赶则更为艰难。。。。。。而想做“机械人界的苹果”的宇树，，或许率永远不会做跨型号适配的通用运动控制平台。。。。。。

以是，，无论是头部具身大脑公司，，照旧中小本体公司，，运动控制是它们早晚必需要补的一课。。。。。。

整个具身行业在数据收罗的名堂上，，也泛起出泾渭明确的差别。。。。。。由于“大脑”公司麋集扎堆，，第三方数据工厂为了追求规模效应，，将绝大大都产能倾斜在操作数据领域（Manipulation）。。。。。。相比之下，，愿意深入底层“小脑”的厂商寥寥无几，，导致运动数据（Locomotion）在商业上因需求规模缺乏，，缺乏第三方服务商愿意为其服务。。。。。。这迫使聚焦运动控制的厂商只能在市面上采买零星数据，，更多的是依赖自有团队举行自采。。。。。。这种供应侧的畸形，，使得运动控制领域的数据越发稀缺，，并且高质量、高泛化的数据就更为匮乏。。。。。。

“近两年，，头部具身智能本体厂商与上游企业已陆续把“数据”列入战略议程，，只是这股趋势在差别偏向上的落点并不平衡——运动控制相关的数据建设至今仍是一片显着的洼地，，甚至可以说是“真逍遥带””桥介数物的首创人尚阳星对创投家体现，，“行业内现有的运动控制数据普遍保存供应缺乏、质量狼籍不齐、构型与场景局限性大等问题，，远远跟不上模子逊需的规模。。。。。。”

克日，，专注于通用机械人运动控制基础设施的研发商——桥介数物，，宣布其自建的“跨本体全身运动数据工厂”正式投入使用。。。。。。而这个数据工厂正是为相识决行业“高质量的跨本体全身运动数据”的缺位而建。。。。。。

尚阳星出生于1999年，，华科本科，，南科大保研，，师从逐际动力首创人张巍教授。。。。。。桥介数物是他的第一个创业项目，，团队从宿舍起步，，2023年底拿到奇绩创坛的种子轮投资后，，从2024年底到2025年8月的半年内，，一连完整天使轮、天使+轮及Pre-A轮，，累计金额近亿元——正轩投资、复星创富、潜能集团、隐山资源、明荟致远、沂景资源等机构相继入场。。。。。。

在具身智能这个普遍亏损的赛道里，，桥介数物建设第一年就接到了客户项目，，实现了盈利。。。。。。2024年8月的天下机械人大会上，，27家人形机械人厂商参展，，桥介数物服务了其中凌驾半数。。。。。。关于一台未经调试的人形机械人，，它最快一周能完成模子训练，，让它走起路来。。。。。。一个定制化项目通常需要1到3个月。。。。。。

克日，，我们借着桥介数物“跨本体全身运动数据工厂”正式启用的契机，，与这位99年的年轻首创人，，就运动数据的质量、泛化、训练等问题，，睁开了一次深度的对话。。。。。。

▎以下为与尚阳星的对话全文，，略有删减：

创投家：您先帮我们界说一下什么叫“高质量的跨本体全身运动数据”？？？高质量高在哪？？？

尚阳星：要回覆这个问题，，先要回覆“我们想要什么运动能力”。。。。。。

对通用全身运动模子来说，，我们要的是一种能够向上兼容多模态行动意图、向下兼容差别本体硬件、清静可靠、并且可以在重大情形中一连进化的运动能力。。。。。。

而这种能力对数据提出了更高的要求：不是伶仃的运动轨迹，，而是能同时保存全身协同、使命意图、接触关系、情形上下文、物理可行性和跨本体复用价值的数据。。。。。。

创投家：现有的运动数据形态保存哪些问题？？？

尚阳星：现有的数据形态，，单独看都很难自然知足这些要求：

动捕数据可以准确、结构化地纪录人体运动状态，，但缺失情形信息以及人和情形之间的准确交互；；；
；
；遥操作数据严酷绑定特定机械人本体，，硬件一换，，复用价值就会显著下降；；；
；
；第一人称视频集中在最后和物体交互，，不可完整表达躯干、下肢、重心和接触之间的全身协调关系；；；
；
；第三人称视频虽然能看到整体行动，，但难以从中提取出准确合理的人体行动。。。。。。

这些数据各自都有价值，，但单独都缺乏以支持通用全身运动模子需要的数据闭环。。。。。。

创投家：以是通过咱们数据工厂产出的数据是一种怎样的形态？？？

尚阳星：我们把真正面向通用全身运动模子训练的数据资产，，界说为跨本体全身运动数据（Cross-Embodiment Whole-Body Motion Data，，CWM），，要求 CWM 至少同时知足以下四个性子：

跨本体可重定向性（Cross-embodiment retargetability）。。。。。。统一段行动必需能够通过统一的处理管线，，在差别显著的多种本体上，，产出物理自洽的训练样本。。。。。。

全身笼罩性（Whole-body coverage）。。。。。。数据必需完整表达躯干、四肢、手部、手指以及它们之间的协同关系，，而不可只保存上半身最后轨迹；；
；
；蛳掳肷聿教。。。。。。

物理可行性（Physical feasibility）。。。。。。一条及格的数据，，不但是运动学平滑合理，，还需在目的本体上的动力学具备物理可行性，，不可泛起浮空、穿透、滑移、失稳、力矩超限等问题。。。。。。

多模态性（Multi-source augmentability）。。。。。。及格的数据还需要同步收罗人体行动、语义标签、第一人称视频、第三人称视频、情形资产和物体资产。。。。。。

知足这四个性子的 CWM 数据，，不是简朴收罗就能获得，，它需要许多的后处理才华被生产出来，，这也是我们建设跨本体全身运动数据工厂的出发点。。。。。。

创投家：为什么说CWM数据“不是靠收罗就能获得”？？？

尚阳星：关于全身运动控制来说，，数据要笼罩的不但是几个标准行动，，而是行走、转身、下蹲、搬运、抓取、支持、避障、恢复平衡、接触切换等大宗一连行动组合。。。。。。

我们内部的判断，，要训练出一个真正通用的全身运动模子，，最终需要数十万甚至上百万小时级别的高质量CWM数据。。。。。。在这个量级眼前，，少量数据在恒久来看很难支持起通用化，，真正有价值的是能够一直扩张的数据规模。。。。。。

全身运动数据的重大性在于，，它不是“收罗的行动越多越好”，，而是必需有准确的数据配方和严酷的数据质量控制。。。。。。同时，，每条数据还必需经由洗濯、标注、重定向和物理验证。。。。。。否则，，大规模数据很容易酿成大规模噪声。。。。。。

因此，，CWM数据生产必需被设计成一套工业化生产系统，，而收罗只是其中一环。。。。。。

创投家：这套工业化生产系统详细包括哪些环节？？？

尚阳星：一段行动从被设计出来，，到能进入训练集，，还必需经由质检、跨本体重定向、动力学与仿真增强、语义标注，，以及来自模子训练侧的反馈闭环。。。。。。

这其中，，专业行动设计职员认真界说行动谱系，，收罗团队认真高质量同步录制，，工程团队认真洗濯、名堂化、重定向和仿真回放，，算法团队认真物理验证、训练反馈和数据筛选，，质检团队认真把不可用样本挡在训练集之外。。。。。。

这也是 CWM 数据工厂的焦点价值：用稳固的园地、装备、流水线、专业团队和质检系统，，把通用全身运动数据酿成一种可一连生产能力。。。。。。

创投家：数据工厂在设计行动这个环节上是怎样操作的？？？

尚阳星：通用全身运动模子需要一套一连扩展、能笼罩身体协同方式的运动空间。。。。。。这套空间不可只是行动目录的堆叠，，而要沿几条相互自力的主线填充。。。。。。

首先就是按身体使用方式组织，，而不是按行动名称充数。。。。。。移动、姿态转换、肢体协同、接触切换和物体操作，，这些基础维度是后续重大能力的底盘。。。。。。

其次我们会兼顾重大地形、多人交互与情形交互。。。。。。重大地形改变支持战略，，多人交互引入空间协商，，情形交互让身体运动与物体、接触面和可达空间深度耦合。。。。。。它们不可靠平地单人行动外推，，必需显式安排进收罗妄想。。。。。。

第三，，我们也会保存下意识行为与自由施展。。。。。。剧本只界说使命界线，，真实运动里尚有大宗没被写下来的部分：个体行动习惯、临场调解和应对意外的本能反映。。。。。。专业行动设计职员会在录制中给出意图与约束，，同时保存演出者按自身习惯完成行动的空间。。。。。。

第四就是行动恢复与失败兜底。。。。。。模子能不可被安排，，很洪流平上取决于失败时能不可稳住。。。。。。失衡后的再平衡、碰撞后的避障回缩、非理想姿态下的起身恢复，，这类样本通常稀缺，，但直接关系到模子的清静界线。。。。。。

创投家：CWM数据在收罗历程中需要同步收罗多形态的数据，，这个收罗历程是怎样实现的？？？

尚阳星：对，，CWM 的同步收罗不是纯粹录一段人体行动，，而是要在统一段行动中同步回覆四件事：运动意图、身体运动方式、交互目的与情形。。。。。。这自然要求人体行动、视频、语义、场景被同步纪录。。。。。。

按目今的收罗规范，，一条完整纪录会只管同步收罗以下四类数据：

人体行动（BVH），，承载行动语义、身体协同、重心转变和姿态转换；；；
；
；

原始视频，，作为高价值的辅助信号，，支持视频行动补全与人体行动提取，，包括第一人称和第三人称视角；；；
；
；

场景交互资产，，提供行动爆发的情形与物体上下文，，是把行动放进仿真情形的前置条件。。。。。。主要收罗两类：地形与场景资产、可交互物体资产。。。。。。

语义标签，，由专业行动设计职员、现场纪录员和 AI 标注系统协同天生，，界说行动界线、行动种别、场景和意图。。。。。。

之以是必需同步收罗，，是由于全身运动的价值不在某一个单独模态，，而在差别模态之间的对应关系。。。。。。若是这些信号没有对齐，，我们就无法判断手部轨迹对应的是哪一帧物体接触，，也无法判断脚底受力是否对应目今姿态，，更无法验证这段行动是否真的可以进入训练集。。。。。。为此，，数据工厂为所有收罗装备建设了统一的收罗时钟和时间戳系统，，来包管其对应关系。。。。。。

创投家：关于跨本体重定向这个环节，，现在行业里通用的解决方案是什么？？？咱们又是怎样解决的？？？

尚阳星：重定向（motion retargeting）是把一段以人体或某一参考本体为坐标系的行动，，转化为目的机械人本体上的轨迹。。。。。。业内普遍的操作方式是以人工为主的调参历程，，每个型号的机械人都需要单独调试，，只思量重定向这个环节，，履历富厚的人或许也需要破费几个小时/台。。。。。。

而现在行业通例做法最大的问题在于：只思量了运动学，，而没有思量动力学。。。。。。这就导致重定向只是模拟了行动运行的轨迹，，而没有综合思量本体的质量，，轴距，，摩擦力等因素，，其效果就是跨本体泛化水平不达预期。。。。。。

我们在算法层自研了重定向引擎，，支持“恣意行动×恣意机型×恣意地形”。。。。。。输入同步收罗的多维度数据，，就可以输出适配种种本体，，并且综合思量了地形、接触与枢纽因素的有用效果。。。。。。工程层上，，统一本体笼统层让新机械人仅靠URDF即可自动适配。。。。。。并且，，工厂接纳了流式与离线双模式，，支持边采边重定向，，将逐条人工调试的事情压缩至靠近实时完成。。。。。。

创投家：重定向之后的数据就可以直接用于模子训练了吗？？？

尚阳星：尚有一个环节叫数据增强。。。。。。

跨本体重定向输出的是高质量候选轨迹，，但候选轨迹；；
；
；共皇亲钪昭盗纷什。。。。。。数据增强要做的是继续把这些候选轨迹酿成更可验证、更可训练、更容易被模子消耗的数据。。。。。。

我们沿三条路径优化这些轨迹：动力学增强、仿真多样性增强、语义标注。。。。。。

动力学增强：把优质样本放进目的本体的动力学与接触模子里，，通过RL动力学后处理同时控制跟踪误差和物理违反，，让候选轨迹从“运动学上像”升级为“在目的本体上能跟踪、不穿透、不超扭矩、不违反摩擦锥”。。。。。。

仿真多样性增强：把统一段行动放进差别的虚拟情形里重复执行，，让CWM资产的笼罩密度成倍放大。。。。。。补齐缺失模态，，同时扩增视觉与场景多样性。。。。。。

语义标注：AI标注系统辅助天生行动切片、行动种别、接触状态、场景工具、使命语义、失败原因和能力维度等标签，，由专业行动设计职员认真复核。。。。。。

创投家：工厂最后怎样验证数据资产的有用性？？？

尚阳星：CWM数据工厂的质量治理则要走两步：先沿生产链路做分层把关，，再用模子训练的效果做闭环反馈。。。。。。

一条样本从行动需求走到训练集，，要顺序通过四道自力的质检，，也就是之前的设计层、原始数据层、重定向层和增强数据层。。。。。。四层把关配合把一条候选样本筛成可入训练集的资产，，但真正能不可训练出通用全身运动能力，，最终只能由模子告诉我们。。。。。。

训练侧会把每一次模子评估效果，，汇总成一份可回写的失败画像。。。。。。失败画像会被直接写回到上游每一层，，每一层再凭证这份失败画像调解每一步的执行战略。。。。。。

两步合在一起，，数据工厂就形成了一连迭代闭环，，将数据置于“设计—收罗—处理—训练—反馈”的闭环链路中，，从而提升单条数据的有用使用率，，让数据价值获得最大化释放。。。。。。

创投家：现在数据工厂的本钱结构是怎样的？？？运营状态怎样？？？产出怎么样？？？

尚阳星：现在工厂或许有几十名员工，，园地规模或许是1000平米左右。。。。。。算上装备的采购以及运营本钱，，整体投入在万万级别。。。。。。收罗本钱或许是数百元/小时。。。。。。

已往三个月，，我们在内部试点中跑通了跨本体全身运动数据工厂的端到端链路。。。。。。沿着这条链路，，我们累计产出了近千小时的高质量CWM数据。。。。。。用这批数据训出的全身运动模子，，最终在十多款结构、驱动性能、质量漫衍和惯量漫衍差别显著的足式机械人上完成了要害验证。。。。。。

下一阶段的重点，，是从试点验证转向规模；；
；
；。。。。。。我们会把园地、收罗棚、动捕装备、行动设计团队、演出者体例和算法/仿真/逊с力集群同时扩容，，让前面跑通的产线在更大规模上稳固运转。。。。。。凯时AG目的是在新工厂落地后，，早期阶段要形成每月数千小时级、面向多构型机械人的高质量CWM数据产出能力。。。。。。

创投家：数据工厂关于行业的价值是什么呢？？？

尚阳星：我们作为自力第三方的运动模子提供商，，以及未来的通用操作系统提供商，，凯时AG目的是面向全行业、适配所有机械人。。。。。。若是没有我们这样的第三方角色保存，，每家公司想要抵达一流的运动控制效果，，可能就必需自己来建数据工厂，，或者把这类数据集都买一遍。。。。。。这个本钱当下就得几万万，，可能过一段时间会更多。。。。。。

另外，，现在行业里有几百家人形机械人公司，，我们展望纵然未来最终收敛，，至少也会保存几十家，，可以对标汽车厂商的数目。。。。。。若是每家公司都重新来一遍，，这是重大的资源铺张。。。。。。