10月20日，在南京举行的2026物理AI与世界模型大会上，梵因动力（PHAIN）正式发布 G03 Pro 与 G03 ProT 数据手套，以及由手套、腕带相机、第一视角设备和多模态主控组成的 PHAIN Sense 采集层。以此次发布为起点，PHAIN 展开覆盖采集、理解与进化的 PHAIN Stack 整体布局，服务具身大模型公司，建设具身智能的原生数据基础设施。

这套布局围绕一个问题展开：当真实世界的数据越采越多，有多少能够真正进入训练，转化为模型的能力？PHAIN 将关注点放在每单位有效数据的全生命周期成本上，以高精度、多模态、抗干扰、车规级品质和规模化交付五项产品力，同时回应质量鸿沟、多样性匮乏与规模缺口，让每一小时采集都成为具体场景下的有效数据。

数据越采越多，模型还需要什么？

具身智能正在进入规模化采集阶段。Generalist AI 通过穿戴设备采集了 27 万小时真实操作数据，Figure 发起手机第一视角众包，京东计划发动最多 60 万人、在两年内积累 1000 万小时人类真实场景数据，觅蜂已交付 2 万套 MEgo 采集设备。不同路线共同扩大了数据供给，但精细操作所需要的信息，并不都能从视频中获得。

拿起一颗草莓，画面可以记录手指慢慢合拢，却很难呈现手指在哪一刻接触果皮、接触后用了多大力，才能既拿得稳、又不捏坏。接触点可能被手指遮挡，力度变化也不在画面里。只有让传感器贴近指尖与掌心，才能把这次操作中的接触与压力记录下来。视觉描述手在做什么，手套进一步记录手感觉到了什么，两者共同补充模型学习精细操作所需的信息。

世界模型需要根据当前状态与动作，预测下一刻会发生什么。Meta 的 V-JEPA 2 先用一百多万小时视频学会“看”，再用不到 62 小时的机器人交互数据学习按动作预测结果，也体现了交互数据连接观察与行动的价值。

从数据供给看，现有路线大致分为四层。L1 真机遥操作类似自动驾驶中的测试车加安全员，采集规模在百到千小时，受成本、设备损耗和安全风险限制；L2 高精度人类交互数据类似真值采集车，面向万到十万小时规模，过去往往依赖动捕间，难以铺开。L3 第一视角与穿戴设备众包类似量产车影子模式，可以走向百万小时以上，但缺少力与手部精细信息；L4 互联网视频与仿真提供近乎无限的数据来源，同时存在仿真到现实的差距。

PHAIN 所关注的，正是其中长期不足的高精度人类交互数据：既保留毫米级精度与力觉信息，又能走出实验室，在不同场景中规模化采集。实现这一点，需要同时解决三重鸿沟。位姿误差、环境干扰与设备可靠性影响数据质量，单一模态难以完整记录操作中的动作与接触，依赖固定场地或机器人本体的采集方式又限制了规模。采得准、信息完整、能够持续扩大供给，共同决定了数据最终能否用得上。

五项产品力，让采集面向具体场景下的训练

G03 系列是 PHAIN 的标准品主力，也是 PHAIN Stack 的手部数据采集入口。G03 Pro 面向高精度手部运动采集，G03 ProT 在此基础上加入全掌触觉，面向精密装配、柔性物体操作等依赖接触信息的任务。G03 系列最高支持 120 Hz 输出，两款产品均配套上位机软件与 SDK，支持 Windows 和 Linux 二次开发，可接入客户现有的数据管线。

高精度，首先落实到指尖与关节

G03 系列提供 25 个自由度，完整还原手指、掌部与手腕位姿，指尖位置精度达到 ≤1 mm（RMS），关节角精度达到 ≤0.5°（RMS）。其背后是 IMU、EMF 与人体骨骼约束的多源融合：将关节活动范围与骨骼关系纳入解算，让传感器测量与人体运动模型相互约束，抑制不合理的位姿结果。面向模型学习，准确记录手部运动，是还原一次精细操作的基础。

多模态，进一步记录动作中的接触

G03 ProT 以超过 800 个全掌触觉点，记录接触位置与压力变化，触觉一致性指标为<8%。触觉与位姿处于同一条时间轴，多模态同步误差小于 1 ms。手指接触草莓时的压力变化，由此能够与当时的手部位姿相对应。位姿与触觉共同描述操作过程，补充单一模态难以表达的信息，为不同任务提供更丰富的数据维度。

抗干扰，让精度延续到真实作业环境

工厂中的电机、金属和复杂电磁环境，会给采集带来漂移与跳变。G03 系列采用 EMF 与 IMU 双模融合，结合主动干扰检测和实时滤波：干扰出现时由 IMU 支撑短时解算，干扰消失后再由 EMF 校正，在强电磁、强铁磁环境下保持零漂移，贴近金属仍可稳定采集。采集能够进入真实场景，模型才有机会获得这些环境中的操作数据。

车规级品质，将精度要求贯穿长期使用

G03 系列的 IMU 与 EMF 均经过出厂标定，软硬件及生产全流程执行车规级质量管控。对于高强度、长时间、多人轮换的采集工作，设备能够稳定运行多久、故障会造成多久停工、不同设备的数据能否保持一致，都会进入有效数据成本。PHAIN 将设备可靠性与批次一致性纳入同一套质量要求，使质量保障从一次测量延伸至持续采集。

规模化交付，把稳定采集扩展到批量设备

G03 系列通过自动化组装标定，实现批量设备的性能高一致性。单只重量不到 180 克，30 秒内完成穿戴，可穿戴、可移动的形态无需固定动捕间，也无需机器人本体。与真机遥操作流程相比，采集吞吐提升数十倍，交付周期从月级压缩到周级，让高精度人类交互数据能够扩大供给。

五项能力需要共同作用：高精度记录动作，多模态补全接触，抗干扰使设备适应真实环境，车规级品质与规模化交付则让更多设备长期、一致地工作。质量、多样性与规模由此落实到同一次采集、同一批设备和同一套数据标准中。

从一双手套，到 PHAIN Stack

手部数据要与操作者看到的场景共同记录，才能更完整地描述真实操作。此次正式发布的 Sense 采集层，将 G03 手套与 Wrist 腕带相机、Ego 第一视角设备及 Master 多模态主控组成一套采集体系。

其中，Wrist 记录手与物体接触的近景，弥补头戴视角被手臂遮挡时的盲区；Ego 通过四路鱼眼相机，提供超过 270 度的水平视野，记录操作者所见的场景。Master 以 Ego 为主时钟，通过硬件信号统一触发，使设备共享统一时间基准。图像与 IMU 的同步误差小于 1 ms，主控通道间偏差小于 1 μs，将不同视角、运动与触觉信号对应到同一次操作。

在 PHAIN Stack 的整体规划中，Sense 承担采集入口，Cognito 理解层与 Evolve 进化层进一步连接数据处理和模型反馈，相关模块正在持续推进。

Cognito 由 Fuse 与 Post 组成：Fuse 面向设备端实时的时间同步与融合解算，Post 面向云端高精度后处理。Evolve 则通过 Gen 与 Eval，将真实数据用于场景扩增和效果评估。Gen 以真实采集数据为种子，合成长尾场景；Eval 面向客户训练管线，评估数据对模型的实际贡献，并将结果反馈至下一轮采集。模型在哪些任务上仍有不足，就针对相应场景补充数据，形成采集与模型改进之间的持续循环。

这也是 PHAIN 强调“原生”的原因。从设备端开始，时间同步、格式协议与标定信息就被纳入统一设计，采集即标准化，减少数据采集后再补做格式转换、时间对齐和信息补全的负担。数据交付设计还包含三级置信度标注，使客户能够了解每一帧数据的精度与可信程度。采集、处理、扩增与评估围绕同一个目标组织：让真实操作数据能够持续服务于模型训练。

把智能驾驶验证过的方法，带到十根手指

支撑这套布局的，是时间对齐、融合算法与车规级质量三方面的积累。梵因动力是毫厘科技集团旗下的独立子公司，母公司的智驾方案累计搭载超过 100 万辆车，验证里程达 50 亿公里，L4 物流车市场占有率超过 50%。

时间同步决定了不同信号能否描述同一时刻。智能驾驶中的车载 PPS 硬同步，对应到采集端的硬件触发同步，使图像、运动与触觉信息能够准确关联。在融合算法上，15 年多源融合与标定算法积累，以及 GNSS/INS 融合与车辆运动模型约束的方法，延伸至手指、关节、手腕和头部的多源融合与人体运动约束，从源头抑制漂移与跳变。

质量体系则使这些能力能够批量交付。PHAIN 从传感器选型、出厂标定到生产管控，全流程执行车规级质量要求，手套与车规级 IMU 均在常州自主生产。智能驾驶中的融合完好性监测，对应具身数据的质量校验与置信度设计；采集、标注、优化与 OTA 的闭环经验，也为采集、标注、训练与部署之间的反馈提供方法基础。

这些积累共同支撑 PHAIN 对数据基础设施的要求：既关注每一帧是否准确、同步、可信，也关注成千上万只设备能否长期、一致地运行，以及采集结果能否反馈到模型改进中。

以有效数据成本，连接数据与模型训练

对于机器人公司和具身大模型公司，数据价值最终要聚焦到具体任务。从精密装配、缺陷分拣等工厂任务到商业无人零售，从做饭、清洁、收纳等家政任务到养老助老等护理工作，衡量数据的标准始终相通：采集效率、清洗成本、设备损耗、批次一致性，以及数据对模型的实际贡献，共同构成每单位有效数据的全生命周期成本。PHAIN 的目标，是把这一成本做到行业极致，让具身智能产业加速从demo走向商业成功。

G03 Pro / ProT 与 Sense 采集层的正式发布，为 PHAIN 的原生数据基础设施布局提供了产品起点。随着 Cognito 与 Evolve 持续推进，PHAIN 将沿着采集、理解与进化的完整链路，让每一小时采集都成为具体场景下的有效数据。

物理人工智能，为每一个人而生！

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

责任编辑：kj005

文章投诉热线:157 3889 8464  投诉邮箱:7983347 16@qq.com