泉源：黄金进入“猴市”作者： 李恩士：

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；；
；；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；；
；；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；；
；；。。。。。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。。。。。