章鱼动力推出OctoSense下一代具身数采产品：肌电除夜模型一模千人泛化，外骨骼手套人机同构对齐
· 2026-08-22 17:53:42北京 、章鱼上海和杭州2026年8月15日 /美通社/ -- 换一小我 ，动力代具电除不给模型任何新数据 ，推出套人不做浅近操练 ，下型模肌电模型还能直接用吗？身数
章鱼动力全球初度完成肌电跨浅近零样本泛化——正式宣布 OctoSense 三除夜数采筹划 ，把人的夜模行动与发力转化为可用于机械人操练的数据
在全国机械人除夜会（WRC）前夕 ，章鱼动力给出了谜底 ：SynEMG 肌电除夜模型全球初度面向具身数据群集完成肌电跨浅近零样本泛化 ，千人齐真正让肌电从"一模一人"，泛化走向"一模千人" 。外骨面对没有进进操练集的骼手构对新浅近 ，模型无需新增浅近数据 、机同无需增量操练 ，章鱼便可恢复手部姿式和发力外形 。动力代具电除
旋绕具身数据 ，章鱼动力正式推出 OctoSense 数采产品：以鱼眼头环 、肌电手环和外骨骼同构数采手套为中心硬件，构成 OctoS-Ego 、OctoS-EgoBio、OctoS-DexUMI 三除夜数采筹划 。三精细案均已完成产品化，可以理论体验 。
鱼眼头环经由过程四颗鱼眼相机记实第一视角视觉 ，并由 AI Native 双目空间除夜模型恢复真实标准与三维深度 。
肌电手环群集前臂肌电旗子记号 ，并由 SynEMG 肌电除夜模型恢复手部姿式与发力外形 。
外骨骼同构数采手套直领受集人手驱动的独霸数据 ，并近乎无损地对齐工整手真机 。
在 SYNData 模型算法与数据工程身手支撑下 ，三精细案群集的视觉 、肌电及其他传感器数据 ，经由物理信息恢复、多模态对齐与切片 、质量清洗和语义信息生成 ，幻想下场构陋习范化、可追溯的数据集并交付下流操作。
- 真正稀缺的不单是原始数据 ，更是可操练数据
具身智能的数据群集局限正在疾速添加 ，但总量添加真实方等于模型身手同步添加。除夜量原始数据会因为多模态时分戳错位 、三维标准漂移、遮挡下的姿式与力信息缺损掉落踪落 、标注不无缺等问题 ，没法进进操练 。
章鱼动力正式提出具身数据的价值公式 ：具身数据价值 = 物理无缺度 × 场景多样度 × 群集局限 × 数据质量 。
这四项不是相加 ，而是相乘 。只需个中一项接近零 ，数据的集团价值就会被除夜幅减弱 。是以 ，具身数据琐细必须同时答复 ：若何构建数据群集路途 ，和若何将原始数据措置为可操练的数据资产 。
- OctoSense ：三种群集硬件，三除夜数采筹划
OctoSense 是一套以真实人类独霸为中心创建的数采产品琐细。鱼眼头环、肌电手环和外骨骼同构数采手套三种硬件各自措置一类关头缺口 ，三种硬件经由历程度歧组合 ，构成三除夜互补的数采筹划：
三精细案真实不是彼此更调 ，而是熟行动天然度 、群集局限 、物理模态无缺度与真值精度之间供给不合组合；经由历程度歧的组合完成具身数据价值公式的最除夜化。
01｜SYNEMG 肌电除夜模型 ：全球初度完成肌电跨浅近零样本泛化
- 视觉难以掉落踪掉落踪遮挡下的手部姿式与真实发力
在真实独霸中 ，手部经常被遮挡；即便行动可见 ，视觉也很难直接剖断独霸者可否发力和发力大年夜小 。
肌电旗子记号来自肌肉活动，并先于可见行动展示。它可认为模型补偿两类视觉难以掉落踪掉落踪的信息 ：遮挡下的手部姿式和手部发力外形。
肌电手环 ：仅 80g、前臂16通道电极阵列 ，手部无缺显露
、零担当
- 肌电局限化的真正艰苦 ，是"换一小我还能不克不及用"
不合人的肌肉筹划 、皮肤外形 、发力习惯真实不不异 。传统肌电模型但凡旋绕结实用户和结实义务操练 ，这让肌电经久勾留在"小局限考验考验外形" ：假定每添加新浅近 ，都要新增一轮浅近数据 、操练和校准 ，那么具身数据群集就很难举办局限化扩大年夜大年夜大年夜大年夜 。
SYNEMG 肌电除夜模型无瑕玷窜了这一外形 。
章鱼动力以除夜局限无标注多通道时序旗子记号举办自拒守预操练 ，让模型进步先辈修跨浅近 、跨佩带外形的通用肌电表征 ，再迁徙到手势辨认 、延续手部行动恢复和发力外形估计等义务 。从不合旗子记号分布中进修可以迁徙的合营筹划 ，从而对浅近不合 、佩带职位和长时分漂移贯穿连接鲁棒 。
SYNEMG 全球初度面向具身数据群集完成肌电跨浅近零样本泛化 ：
- 零数据泛化：新浅近无需供给新增操练数据 、无需微调标定 ，佩带即用。
- 跨浅近姿式恢复：不合模型可精准恢复不合浅近的手部姿式和发力外形 。
- 极致精度打破 ：SynEMG 在零样本跨人姿式重建上偏向降低 50% ，率先完成了毫米级的尽对定位精度 。
- 端到端局限化：肌电打破不再只是"辨认更准" ，而是真正从"一模一人"走向"一模千人" ，支撑具身数据的高效局限化群集 。
当鱼眼头环第一视角视觉与肌电手环连络，OctoS-EgoBio筹划可以在手部被遮挡时延续恢复手部外形 ，并掉落踪掉落踪毫米级关键点与 0.1 N 级主动发力 ，让一次独霸不再只需"看见了甚么" ，还包含"手部若何行动"和"理论用了多大年夜力"。同时因为手部贯穿连接天然显露 ，具有超出传统真机群团编制 1000 倍屈就的局限化潜力 。
02｜外骨骼同构数采手套 ：让人手行动与发力 ，近乎无损直达工整手真机
OctoS-Ego 与 OctoS-EgoBio 合用于局限更除夜 、场景更多样 、行动天然度更高的群集需求 ，比如预操练数据群集；对后操练等对物理真值请求更高的义务 ，外骨骼同构数采手套则进一步汲引数据精度 。
它可以同步记实全掌干戈力分布和亚毫米级手部姿式。更关头的是 ，外骨骼同构数采手套与章鱼动力自研工整手采取不异的关键安过度和行动筹划 ，群集端与工整抄本体采取一体化同构筹划 。
仿生外骨骼数采手套 ：与自研工整手无缺同构 ，人手数据近乎无损映照为工整手数据
为甚么"同构"比纯真的"高精度"更次要
但凡 ，除真机远操群集外，无本体独霸数据要被机械人独霸 ，需求经由跨本体重定向（Retargeting） ：将手部行动转换到关键数量 、安过度 、行动局限和筹划都不尽不异的工整手上 。这个过程会引进形变与偏向 ，行动可以被"掰"畴昔，但原始干戈相干 、力分布和邃密关键外形很难无缺转换 。
这就是 Retargeting Gap ，它不是后措置多做几步就可以无缺消弭的问题 ，而是由群集端与奉行端筹划不合带来的禀赋丧损掉落踪落。
外骨骼同构数采手套从本源消弭这道鸿沟 ：人手作为动力驱动数采手套完成独霸 ，当数采手套与工整手无缺同构，那么群集掉落踪掉落踪的独霸数据就可以与工整手以近乎 1:1 的相干对齐 。
鱼眼头环与外骨骼同构数采手套组合构成的 OctoS-DexUMI 筹划，其价值不单是"采得更准"，更是让工整独霸数据从群集之初就成为工整手可以直接独霸的数据 。
03｜鱼眼头环 ：四鱼眼较着降低手部出画 ，鱼眼双目除夜模型给出真实三维标准
具身独霸不单需求行动与发力 ，还需求晓得独霸者看见了甚么 、方针在何处 ，和行动产生发火在若何的空间相干中 。
单颗深化广角相机的视野无穷 ，双手在除夜幅挪动时随便出画；同时 ，单目图象贫窭标准信息 ，难以恢复真实空间标准与距离 。
章鱼动力头环集成了四颗鱼眼相机 ：后方两颗 、放置两侧各一颗 ，构成约 330°×150° 的除夜视场 ，袒护双手、操难堪刁难象与邻近气候 。对走动 、回身 、伸手取物等挪动独霸，环顾视场可以较着降低手部分开画面的概率 。
前视两颗鱼眼构创建体双目琐细 ，基线为 60 mm 。借助 AI Native 双目空间除夜模型 ，琐细可以基于鱼眼图象恢复真实标准与三维深度 ，并在保管除夜视场的同时完成毫米级深度估计精度 ，为手部 、物体亲善象之间创建真实三维标准 。四鱼眼措置"看不全" ，前视双目措置"量禁尽" 。
Ego 头环 ：环形筹划集成四颗鱼眼相机 ，前视两颗兼作双目
04｜SYNData ：模型算法与数据工程 ，让群集数据成为标准化数据集
硬件决意数据采不采掉落踪掉落踪 ，SYNData 决意采归来的数据幻想下场能不克不及用 。
SYNData 不单是一个数据措置平台 ，而是一套由模型算法和数据工程合营支撑的数据琐细 。它从图象 、肌电和其他传感器旗子记号进彀较独霸的物理外形与语义信息 ，并进一步完成多模态对齐 、切片、清洗和构造 ，幻想下场构陋习范化 、可追溯的数据集 。
经由 SYNData 措置，OctoSense 三精细案群集的数据不再只是琐细的视频和传感器旗子记号 ，而是物理信息愈加无缺 、多种模态彼此对应 、质量下场有据可查 ，并可供下流检索和复用的数据资产 。
OctoSense 担当无缺记实真实独霸 ，SYNData 担当将多模态群集数据筹算 、构造为可用的数据集 。
- 从"群集一次真实独霸"，到"沉淀一段机械人经验"
回到最最早的乘式 ：具身数据价值 = 物理无缺度 × 场景多样度 × 群集局限 × 数据质量 。
SYNEMG 肌电除夜模型措置跨浅近泛化 ，让肌电脱节逐人操练和标定；外骨骼同构数采手套措置跨本体对齐 ，让无本体独霸数据近乎无损直达工整手真机；四鱼眼头环以双目补全第一视角视觉和三维标准；SYNData 则经由过程模型算法与数据工程 ，将多模态群集数据转化为标准化 、可追溯的数据集 。
OctoS-Ego、OctoS-EgoBio 、OctoS-DexUMI 三精细案袒护不合的群集需求，SYNData 为它们供给不合的数据筹算、措置与交付身手。二者合营把一次真实独霸，沉淀为机械人可独霸的数据 。
让肌电超出浅近 ，让人类独霸数据近乎无损地对齐真机 ，让每次真实独霸都成为机械人可以进修的经验 。
文章推荐：
“弱冠负文翰 ，此进耳鹿叫”中的“弱冠”指的是外子若干很多若干良多若干很多若干良多若干很多若干岁