Anthropic Releases Claude Fable 5.2 With Robot Manipulation Skills

具身数据采集不必一套设备走天下，三种模式，兼顾规模、动作细节与触觉精度。

编辑｜山辉

继 OpenAI 之后，Anthropic 也开始抢机器人公司的风头了。

今天，Anthropic 发布了新模型 Claude Fable 5.2。除了常规的编程、推理能力升级，这次还有一个挺意外的看点：Claude 开始玩魔方、拧瓶盖，甚至能操控机器人画画了。

前段时间，OpenAI 的 Astra 就已经在机器人操作任务上秀过一把。如今，Anthropic 也跟了进来。

过去，这些能力还是具身智能公司费尽心思训练专用模型才能实现的。现在，通用基础模型也开始进入这块地盘。

这不免让人担心，机器人公司辛辛苦苦训练出来的模型，会不会有一天也被基础模型「吞掉」？

这个问题已经吵了一段时间，目前还没有定论。但无论最后控制机器人的是通用大模型、VLA 还是世界模型，大家都逃不过一个基础问题：它们对物理世界的经验从哪里来？

物理经验可以单纯从通用基础模型所用的常规数据中涌现吗？至少前段时间针对 Astra 的一项研究表明：事情没这么简单，OpenAI 在训练过程中可能使用了专门的机器人数据，GPT-6.1 Sol 和 Gemini Argon 也接受了类似训练（参见《GPT-6 Astra 的机器人能力被扒：可能接受过专门训练》）。

也就是说，这轮通用模型在机器人任务上的高光表现，未必是智能凭空涌现，更可能是数据在背后托底。

即使是通用大模型，也需要通过训练数据补足对真实世界的理解。随着模型能力不断提升，具身智能能走多远，越来越取决于背后数据基础设施的支撑。

特别是涉及真实物理接触的数据信息，恰恰是机器人学习精细操作的关键。

触觉数据也因此受到越来越多前沿机器人研究团队的关注。比如 Meta FAIR 推出的 Digit 360 触觉传感器和 SparAsh 触觉模型，就在尝试让机器获取并理解更丰富的接触信息。这也让触觉数据变得越来越重要。

这件事，国内确实有人在认真做。

自成立以来，简智一直站在这条产业链的更上游：建设数据基础设施。从第一视角的头戴设备，到戴在手上的数据手套，他们想解决的始终是同一个问题 —— 怎么把人在真实世界里的操作，尽可能完整、准确地变成模型能学的数据。

近日，他们更新了这条产品线，推出了新品：数据手套 Dex 2.0，和第一视角头戴设备 DAS Ego 2.0。 围绕第一视角视觉、腕部近场视觉、手部运动与触觉，构建多层次的 Human Data 采集体系。

他们的思路很好理解：一次真实操作里，看、动、摸从来不是分开发生的。眼睛负责找到目标，手负责接近和抓握，触觉负责告诉你拿没拿稳、有没有打滑。缺了任何一路，模型学到的都只是一个残缺的故事。

而要做到「完整」，就得先想清楚另一个问题：在一次操作里，每一路信息到底扮演什么角色。

在简智的技术路线中，触觉不是一块孤立的新拼图。第一视角视觉负责记录环境与人体运动，腕部相机进一步补充被遮挡的手部操作细节，外骨骼与触觉传感器则直接测量关节运动和物理接触。

这些信息共同构成完整的多模态 Human Data。尤其是腕部相机的加入，让采集系统能够在保留第一视角环境信息的同时，更接近手指与物体真正发生交互的位置。

而当近距离视觉与高精度触觉数据准确对应时，还可以进一步建立图像、关节运动与接触状态之间的联系，为模型学习精细操作提供更完整的监督信息。

更重要的是，简智希望让高精度运动与触觉数据成为 Ground Truth，帮助视觉模型建立图像与真实物理接触之间的联系。

换句话说，不只是让触觉补足视觉看不见的信息，还要让视觉从触觉中学习。

这种思路也改变了数据采集设备的设计逻辑，不再一味追求传感器的叠加，而是根据不同任务的需要，让多种模态相互补充、相互验证，最终提高整个 Human Data 生产体系的有效性。

围绕这一思路，简智推出的 DAS 2.0 数据采集方案，将第一视角视觉、腕部近场视觉、手部关节运动与触觉信息结合起来。不同设备既可以独立使用，也能够根据任务需求灵活组合，在扩大真实场景覆盖的同时，保留精细操作所需的关键物理信息。

Dex 2.0 同时解决了手部运动测量与触觉记录的难题，采用约 60g 的侧置外骨骼和约 3mm 的微型仿生关节，将机械结构布置在手指侧面，在尽量减少动作干扰的同时，直接记录关节运动。同时，配合全掌覆盖的半柔性压阻式电子皮肤，还能够同步获取手部与物体接触时的压力信息。

相比需要通过磁场测量间接重建手部姿态的方案，这种直接关节测量路线有助于降低外部磁场及金属环境对姿态估计的影响，同时兼顾运动与触觉数据的精细采集。

DAS Ego 2.0 的升级则集中在两个方向：更准确地追踪指尖细节，以及更完整地记录全身运动。

六摄像头系统将水平视野扩展至 340°，扩大了人体运动与周围环境的可观测范围；指尖追踪精度提升至 4mm，则有助于减少精细操作中的位置估计误差。

这意味着，Ego 2.0 不仅关注手指在局部如何运动，也兼顾转身、弯腰、伸展等动作中的全身协调，让模型获得更完整的人类操作过程。

当 Ego、Dex 与 Wrist Camera 协同工作，再结合 DFM（Data Foundation Model）对全身运动数据的处理，简智希望将环境视觉、局部操作、关节运动与触觉信息放在统一的数据体系中进行对齐。

对机器人训练而言，这意味着数据不再只是几段相互独立的视频或传感器读数，而是有机会完整描述一次操作从观察、接触到动作调整的物理交互过程。

从模态叠加到协同学习，

触觉数据如何补上关键一环？

随着硅谷大厂纷纷进入具身智能领域，机器人不再满足于完成特定场景下的单一任务，还要掌握更复杂、更精细的操作。

如此一来，模型需要学习的就不只是动作轨迹，还有人在真实环境中如何观察、判断、接触物体，以及根据反馈调整动作。这对数据采集提出了新的要求。

一方面，人类数据需要足够丰富，覆盖更多场景与操作；另一方面，数据还必须足够准确，能够还原真实操作中的关节运动与物理接触。只追求采集规模，未必能够满足模型对精细操作能力的训练需求。

但问题在于，目前不同采集方式都有各自的局限。

仅靠第一视角摄像头，虽然可以便捷地记录环境与人类操作，却很难避免手部与物体之间的相互遮挡；增加近距离相机，可以补充接触位置、多指协同等细节，但仍然无法直接测量真实的接触力。

数据手套能够提供更精确的关节运动和触觉信息，却也意味着更复杂的设备与采集成本。

有没有一种方案，既能发挥视觉采集的规模化优势，又能利用高精度触觉数据补足关键的物理信息？

简智机器人给出的答案，不是选择其中一种技术路线，而是让不同模态协同工作。

围绕不同层次的数据需求，简智构建了三种采集方案：

• Ego 单独采集： 通过第一视角视觉记录周围环境、人体运动以及人与物体之间的关系，适合在不同真实场景中开展数据采集。
• Ego + Wrist Camera： 增加腕部相机，从更近的视角补充手指与物体的接触、分离，以及多指配合等精细操作细节。
• Ego + Dex： 将第一视角视觉与数据手套结合，进一步记录原生关节运动和全掌触觉，获得视觉、动作与物理接触相互对应的高精度多模态数据。

这三种方案并不只是对应不同的采集成本，更重要的是，它们之间还能够形成数据上的协同。

其中，Ego + Dex 采集的高精度运动与触觉数据，可以作为 Ground Truth，为视觉模型提供更直接的物理交互监督。

通过学习视觉画面与真实接触状态之间的对应关系，模型便有机会在仅输入视觉数据的情况下，推断原本难以直接观察的触觉信息。

也就是说，触觉不仅能补上视觉缺失的物理信息，还可能反过来教会视觉理解接触。

而要实现这种协同，不同模态的数据还必须在时间上准确对应。为此，简智对相机模组及通信控制进行内部重构，通过无线硬件同步，实现标称 1ms 级的头手时间对齐，尽可能避免视觉、关节运动与触觉信息之间出现错位。

从单一视觉，到增加近距离视角，再到引入高精度运动与触觉真值，简智尝试建立的不是一套简单叠加传感器的采集系统，而是一条让不同模态相互补充、相互促进的数据生产路线。

让高精度数据为大规模视觉采集提供监督，让不同采集方案共同服务于模型训练。这才是简智多模态 Human Data 方案更值得关注的地方。

从手部到全身：如何记录完整的人类操作？

简智此次推出的新品可以在不同场景下使用。Dex 2.0 是一款集成手部运动捕捉与全掌触觉感知的数据手套，DAS Ego 2.0 则是一套第一视角头戴式多模态采集设备。两者分别从手部精细运动和全身视觉记录入手，试图更完整地还原人类在真实环境中的操作过程。

Dex 2.0：让动作自然发生，让关节运动直接测量

Dex 2.0 想解决一个核心问题：如何在不干扰人类自然操作的前提下，准确记录手部运动？

传统数据手套往往需要在手背、指尖等位置布置传感器或机械结构，容易影响打字、贴面拾取和掌内旋转等精细操作。另一方面，依赖柔性传感器或视觉关键点的方案，通常需要通过形变或图像间接推算关节角度，容易受到遮挡等因素影响。

左：Dex 2.0 侧置仿生外骨骼；右：传统背置式外骨骼。

Dex 2.0 采用侧置仿生外骨骼，将主要结构移至手指侧面，使机械关节更贴近人手的自然运动轴，同时释放指背、指腹和掌面等关键操作区域。团队还将微型磁编码器集成在仿生关节内部，直接读取局部关节转角，再通过运动学标定还原完整手部状态。

侧置结构的价值，首先在于让手部尽可能摆脱采集设备本身的限制。

Dex 2.0 将外骨骼主体重量控制在约 60g，并把微型关节结构缩小至约 3mm。轻量化设计有助于减轻长时间佩戴的负担，微型关节则让机械结构能够更贴近人手的自然运动轴，减少对手指活动空间的占用。

与此同时，21 个独立关节编码器直接记录手部运动，支持 21 DoF 测量，关节角度分辨率达到 0.2°，指尖空间位置精度约 1mm。

这意味着，设备不仅需要让佩戴者自然完成精细动作，还要尽可能准确地记录动作是如何完成的。对机器人训练来说，前者决定数据是否真实，后者决定这些动作能否被有效学习和复现。

运动数据之外，Dex 2.0 还集成了半柔性压阻式电子皮肤，用于记录手部与物体接触时的触觉信息。

实际操作中，材料拉伸、褶皱和滑移都可能产生误信号，密集排列的传感单元之间也容易出现串扰。为此，简智自研了基于石墨烯喷涂的触觉传感方案，通过半柔性材料和多层结构设计，改善传感器的形变响应与信号稳定性。

在触觉测量方面，Dex 2.0 通过 16 块触觉传感器和 980 个感知单元覆盖手部接触区域，空间分辨率达到 1mm，能够更细致地记录接触发生的位置及其变化。

但对模型训练而言，触觉数据的价值不仅在于感知单元足够密集，还在于能否区分真实接触与传感器产生的误信号。

例如，当手指只有局部区域碰到物体时，理想的触觉数据应当准确反映实际受压区域，而不是让周围未接触的感知单元也产生明显响应。

针对这一问题，简智通过半柔性压阻式材料和信号处理设计降低感知单元之间的串扰。串扰水平低于 1% FS，有助于减少非接触区域的异常响应，提高接触分布数据的可信度。

相比单纯追求触点数量，减少串扰和误触发，更能帮助模型建立准确的动作与接触关系。

DAS Ego 2.0：看清指尖，也看见全身

如果说 Dex 2.0 重点解决的是手部运动和触觉信息的精细采集，那么 DAS Ego 2.0 则进一步扩大了数据采集的空间范围。

过去，第一视角数据采集往往集中在固定桌面操作中，主要记录双手与周围物体的交互。但当机器人开始学习移动操作，人体转身、弯腰、伸展，以及不同身体部位之间的协调关系，同样成为重要的训练信息。

第一视角数据采集面临的挑战，不仅是看见人手正在做什么，还要尽可能准确地还原手部与物体的空间关系，以及人体在操作过程中的协调运动。

DAS Ego 2.0 因此从精度和视野两个方向升级视觉系统。

在精细操作层面，核心摄像头从 200 万像素升级至 500 万像素，指尖追踪精度提升至 4mm。更准确的指尖位置估计，有助于减少模型对抓取、接近和接触等动作的判断误差。尤其面对小型物体和狭窄操作空间，几毫米的位置偏差就可能影响后续动作规划。

在全身运动层面，六摄像头系统将水平视野从 270° 扩展至 340°。更大的视野能够减少转身、弯腰、侧身等动作造成的信息缺失，让模型不仅观察局部手部动作，也能获得更完整的身体运动与环境关系。

这种设计兼顾了精细操作与全身协调，让第一视角数据更适合用于复杂、连续的真实场景任务。

除了视觉系统，设备还集成了 200Hz IMU 和麦克风，可以同步记录惯性信息与环境音频。针对真实采集环境，团队也优化了弱光、光线切换和强光眩光下的成像表现。

在规模化采集方面，DAS Ego 2.0 还优化了佩戴结构、头姿检测、头发遮挡检测和批量数据后处理能力。磁吸电池支持不关机更换，单电池包续航约 2.5—3 小时，设备同时支持 MCAP 标准数据格式。

从手指关节的细微变化，到人体在真实环境中的连续运动，Dex 2.0 与 Ego 2.0 分别补充了人类操作数据的不同维度。但这两类信息并不一定需要同时采集，如何根据任务选择合适的设备组合，以及不同模态的数据能否进一步相互补充，才是简智这套采集体系接下来值得关注的地方。

从采集到训练，什么样的数据才真正有价值？

对机器人模型来说，训练数据应该完整、准确地描述机器人需要学习的物理交互过程。

例如，同样是抓取物体，模型不仅需要看到手指怎样运动，还需要知道手指碰到了哪里、接触状态怎样变化，以及操作失败后人是如何调整动作的。

这些信息决定了数据能否从简单的动作记录，转化为真正支持模型训练和评测的样本。

所以，模型不仅仅需要足够多样的真实操作经验来适应不同环境、物体和任务。与此同时，这些数据还必须具备可靠的运动测量、清晰的任务过程和准确的物理交互信息。

围绕这一需求，简智提出了 Training-ready 数据标准，强调真实自然、操作闭环完整、精度达标，以及足够的多样性。

首先是真实自然。采集设备不能过度干扰人的操作，记录的应该是人在真实场景中的自然动作与操作过程，而不是为了适应设备刻意表演出来的动作。

其次是操作闭环完整。数据不仅要记录动作，还要覆盖从任务开始到最终结果的全过程，并且能够清楚区分相似物体和相似动作。例如，面对桌面上三个红色球，数据不能只记录「拿起一个红色球」，还需要明确究竟拿起了哪一个。触觉信息也能进一步帮助确认接触状态与操作结果。

第三是精度达标。除了手部位置、关节角度等空间信息，运动过程中的速度、加速度等相对变化也需要保持稳定，避免测量波动干扰模型学习。

最后是多样性充足。数据需要覆盖不同场景、物体和动作，也要包含操作失败及失败后的调整过程，让模型不仅学习如何完成任务，也能接触真实操作中的变化与不确定性。

除了无本体 Human Data 采集，Dex 2.0 还支持灵巧手遥操作。

在无本体模式下，设备记录人在真实场景中的自然操作；在遥操作模式下，人手运动状态可以转换为机器人关节控制输入，并针对不同灵巧手的自由度、关节布局、运动范围和控制接口进行适配，同时记录机器人执行状态与任务结果。

两种模式结合起来，就能让「人会做」转化为「机器人能做」。

搭配 Ego 头环后，还可以把操作时的环境信息一并记录下来，让模型不仅学习手指如何运动，也能理解这些动作发生在什么场景、为了完成什么任务。

想让机器人「干活」，谁来做好基础工作？

机器人行业最近确实很热闹。

像「通用大模型指挥机器人玩魔方」这种精彩演示层出不穷。但如果把目光从聚光灯下移开，就会发现许多不那么显眼的问题，需要有人来解决。

比如，如何让采集设备既足够精确，又不妨碍人正常活动？怎样把摄像头、关节编码器和触觉传感器的数据准确对应起来？又如何保证收集到的数据，真的能被模型拿去训练？

这些问题看起来琐碎，却直接关系到机器人能从真实世界学到多少东西。

简智从创业初期就选择 从 Human Data 入手，并逐步发展为一家面向物理 AI 模型的数据与评测基础设施公司。

相比直接参与具身模型的竞争，数据基础设施的建设是一项更基础、也更需要耐心的工作。它不仅涉及设备研发，还要解决人体运动测量、多模态同步、数据标准化以及机器人适配等一系列问题。

其中一些难题，甚至很难从现有市场上找到完全合适的解决方案。

以触觉为例，传感器并不是简单装到手上就能使用。既要准确记录接触与压力，又要尽可能减少对自然动作的干扰，还要兼顾长期使用时的稳定性。为了满足这些需求，简智持续投入触觉材料与电子皮肤的自主研发，仅相关材料方案就经历了约九个月的迭代。

类似的选择也体现在相机模组和多模态同步系统上。与其完全依赖现成方案，简智更希望掌握关键技术的迭代能力，让产品能够随着真实的数据需求不断调整。

而在技术自研之外，简智一直坚持开源。

对一些刚起步的团队来说，训练一个机器人模型，可能还没开始研究算法，就先被数据难倒了。

在简智看来，具身智能仍处于快速探索的阶段，并不是每一个研究团队都有条件从头搭建数据采集系统。

高质量的开放数据，可以让更多团队减少重复投入，将资源用在模型训练、算法验证和新的技术探索上。

而在正在进行机器人学术顶会 CoRL 上，简智展示的 Dex 2.0 与 Wrist Camera 组合方案，引起了不少人的兴趣，大家围绕数据采集方式聊了不少。

除了模型和机器人本体，大家都关心一个很实际的问题：怎样才能更方便、更准确地获得真实世界中的操作数据？

过去，一家机器人公司可以依靠专门训练模型，在某些操作任务上建立优势。但如今，OpenAI、Anthropic 等基础模型厂商也开始进入物理世界，这类优势变得越来越难维持。

相比之下，真正难以被替代的是真实场景中的操作经验，和精细到受力与形变的物理交互数据。

技术热点一直在变，但机器人学习真实世界所需要的数据基础设施，仍然是具身智能发展的关键。

当越来越多真实的人类技能可以转化为机器可以学习的经验，当更多研究者也能够站在已有的数据积累上继续向前，机器人才能真正从「会动」走向「会干活」。

© THE END

转载请联系本公众号获得授权

投稿或寻求报道：[email protected]

跳转微信打开