先说几个核心判断。当宇树机器人用侧空翻、功夫动作向全球展示出顶级的“小脑”运动控制能力，当银河通用、星海图、千寻智能等公司持续把“通用具身大脑”推向行业主流叙事，一切看上去似乎都水到渠成——运动能力已经被攻克，接下来就该进入机器人“大脑”竞争时代。

但这里有一个被大众普遍忽视的事实：宇树等少数公司做到了，并不等于整个机器人行业已经解决了这个问题。运动控制从未被真正广泛攻克，它至今仍是极少数企业掌握的私有核心能力。

真实情况是，那些头部具身智能“大脑”公司，通常并不把运动控制视为自己的主战场。它们的策略很清晰——绕开宇树最强的技术壁垒，优先布局轮式机器人或固定底盘机器人。而中小型人形机器人本体公司，在运动控制上的追赶则更加困难。至于想成为“机器人界苹果”的宇树，大概率也不会去做面向多机型适配的通用运动控制平台。

因此，无论对于头部机器人“大脑”公司，还是中小型机器人本体企业来说，运动控制都是迟早必须补上的关键一课。

整个具身智能行业在数据采集层面的格局，也呈现出非常明显的分化。由于“大脑”公司密集聚集，第三方数据工厂为了追求规模效应，将绝大多数产能倾斜到操作数据（Manipulation）上。相比之下，愿意深入底层“小脑”能力的厂商少之又少，导致运动数据（Locomotion）在商业上因需求规模不足，缺乏第三方服务商愿意系统投入。聚焦机器人运动控制的厂商只能在市场上采购零散数据，更多时候依赖自有团队自行采集。这种供给侧失衡，使得运动控制领域的数据更加稀缺，而高质量、高泛化能力的数据则更为匮乏。

“近两年，头部具身智能本体厂商与上游企业已经陆续把‘数据’纳入战略议程，但这股趋势在不同方向上的投入并不均衡——与运动控制相关的数据建设至今仍是一块明显的短板，甚至可以说接近‘真空地带’。”桥介数物创始人尚阳星表示，“当前行业内的运动控制数据，普遍存在供给不足、质量不稳定、构型与场景覆盖有限等问题，远远无法满足模型训练所需的规模和质量要求。”

近日，专注于通用机器人运动控制基础设施研发的桥介数物宣布，其自建的“跨本体全身运动数据工厂”已正式投入使用。这座数据工厂的出现，正是为了解决行业长期缺失“高质量跨本体全身运动数据”的问题。

尚阳星出生于1999年，本科就读于华科，后保研至南科大，师从逐际动力创始人张巍教授。桥介数物是他的第一个创业项目，团队从宿舍起步。2024年底获得奇绩创坛种子轮投资后，从2024年底到2025年8月短短半年内，又连续完成天使轮、天使+轮及Pre-A轮融资，累计融资金额近亿元——正轩投资、复星创富、潜能集团、隐山资本、明荟致远、沂景资本等机构相继进入。

在具身智能这一普遍仍处于亏损阶段的赛道中，桥介数物成立第一年就拿到了客户项目，并实现盈利。2024年8月世界机器人大会上，共有27家人形机器人厂商参展，其中超过半数接受了桥介数物的服务。对于一台未经调试的人形机器人，桥介数物最快可在一周内完成模型训练，让机器人具备基本行走能力；而一个定制化项目通常需要1至3个月。

近日，借着桥介数物“跨本体全身运动数据工厂”正式启用这一契机，我们与这位99年出生的年轻创始人围绕运动数据的质量、泛化能力与模型训练等问题，展开了一次深入交流。

▎以下为与尚阳星的对话全文，略有删减：

创投家：先帮我们定义一下，什么叫“高质量的跨本体全身运动数据”？它的“高质量”具体体现在哪里？

尚阳星：要回答这个问题，首先要明确“我们究竟需要什么样的运动能力”。对于通用全身运动模型来说，我们追求的是一种能够向上兼容多模态动作意图、向下兼容不同机器人本体硬件、安全可靠，并且能够在复杂环境中持续演进的运动能力。而这种能力对数据提出了更高标准：它不能只是孤立的运动轨迹，还必须同时保留全身协同、任务意图、接触关系、环境上下文、物理可行性以及跨本体复用价值。

创投家：现有的运动数据形态主要存在哪些问题？

尚阳星：现有的数据形态，如果单独来看，都很难自然满足这些要求：动捕数据能够精准、结构化地记录人体运动状态，但缺乏环境信息以及人与环境之间的精确交互；遥操作数据严格绑定特定机器人本体，一旦硬件发生变化，复用价值就会明显下降；第一人称视频主要聚焦末端与物体交互，无法完整表达躯干、下肢、重心与接触之间的全身协调关系；第三人称视频虽然能看到整体动作，但很难直接提取出准确且合理的人体动作信息。这些数据各自都有价值，但单独使用都不足以支撑通用全身运动模型所需要的数据闭环。

创投家：那么，通过数据工厂生产出来的数据，会是一种什么样的形态？

尚阳星：我们把真正面向通用全身运动模型训练的数据资产，定义为跨本体全身运动数据（Cross-Embodiment Whole-Body Motion Data，CWM）。CWM至少需要同时满足四个核心性质：

首先是跨本体可重定向性。同一段动作必须能够通过统一的数据处理管线，在差异明显的多种机器人本体上生成物理自洽的训练样本。

其次是全身覆盖性。数据必须完整表达躯干、四肢、手部、手指及其协同关系，而不能只保留上半身末端轨迹或下半身步态信息。

第三是物理可行性。一条合格的数据不仅要在运动学上平滑合理，还需要在目标机器人本体的动力学层面具备物理可行性，不能出现浮空、穿透、滑移、失稳、力矩超限等问题。

第四是多模态性。高质量数据还需要同步采集人体动作、语义标签、第一人称视频、第三人称视频、环境资产以及物体资产。

满足这四个特性的CWM数据，并不是简单采集就能直接得到的，它需要大量后处理环节才能真正被生产出来，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“不是靠采集就能得到”？

尚阳星：对于全身运动控制来说，数据要覆盖的绝不仅仅是几个标准动作，而是包括行走、转身、下蹲、搬运、抓取、支撑、避障、恢复平衡、接触切换等大量连续动作组合。我们内部的判断是，要训练出一个真正通用的全身运动模型，最终需要数十万甚至上百万小时级别的高质量CWM数据。在这样的量级面前，少量数据从长期来看很难支撑模型通用化，真正有价值的是能够持续扩张的数据规模。

全身运动数据的复杂性在于，它不是“采集动作越多越好”，而是必须拥有正确的数据配方和严格的数据质量控制体系。同时，每一条数据都必须经过清洗、标注、重定向和物理验证。否则，大规模数据很容易演变成大规模噪声。因此，CWM数据生产必须被设计成一套工业化生产体系，而采集只是其中的一个环节。

创投家：这套工业化生产体系具体包括哪些环节？

尚阳星：一段动作从被设计出来，到最终进入训练集，中间还必须经历质检、跨本体重定向、动力学与仿真增强、语义标注，以及来自模型训练侧的反馈闭环。具体来说，专业动作设计人员负责定义动作谱系，采集团队负责高质量同步录制，工程团队负责清洗、格式化、重定向与仿真回放，算法团队负责物理验证、训练反馈和数据筛选，质检团队则负责把不可用样本挡在训练集之外。这也是CWM数据工厂的核心价值所在：依靠稳定的场地、设备、流水线、专业团队和质检体系，把通用全身运动数据转化为一种可持续、可复制的生产能力。

创投家：数据工厂在动作设计这个环节是如何执行的？

尚阳星：通用全身运动模型需要一套可持续扩展、能够覆盖身体协同方式的运动空间。这套空间不能只是动作目录的简单堆叠，而应沿着几条彼此独立的主线去填充。

首先，要按照身体使用方式来组织，而不是简单按动作名称凑数量。移动、姿态转换、肢体协同、接触切换和物体操作，这些基础维度才是后续复杂能力的底层平台。

其次，我们会兼顾复杂地形、多人交互和环境交互。复杂地形会改变支撑策略，多人交互会引入空间协商，环境交互则让身体运动与物体、接触面和可达空间形成深度耦合。这些能力无法靠平地单人动作外推，必须被明确纳入采集计划。

第三，我们也会保留下意识行为与自由发挥的部分。剧本只定义任务边界，而真实运动中还包含大量未被写下来的内容：个体动作习惯、临场调整和面对意外时的本能反应。专业动作设计人员会在录制时给出意图和约束，同时保留表演者按照自身习惯完成动作的空间。

第四，是动作恢复与失败兜底。模型能否真正部署，很大程度上取决于失败时是否还能稳住。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，这类样本通常十分稀缺，但却直接决定模型的安全边界。

创投家：CWM数据在采集过程中需要同步采集多形态数据，这个过程是如何实现的？

尚阳星：是的，CWM的同步采集并不是简单录一段人体动作，而是要在同一段动作中同时回答四个问题：运动意图是什么、身体如何运动、交互目标是什么、所处环境是什么。这天然要求人体动作、视频、语义和场景信息被同步记录。

按照当前的采集规范，一条完整记录会尽可能同步采集以下四类数据：人体动作（BVH），用于承载动作语义、身体协同、重心变化和姿态转换；原始视频，作为高价值辅助信号，支持视频动作补全和人体动作提取，包含第一人称与第三人称视角；场景交互资产，用于提供动作发生时的环境与物体上下文，是将动作导入仿真环境的前置条件，主要采集地形与场景资产、可交互物体资产；语义标签，则由专业动作设计人员、现场记录员和AI标注系统协同生成，用于定义动作边界、动作类别、场景和意图。

之所以必须同步采集，是因为全身运动数据的核心价值不在某一个单独模态，而在不同模态之间的精确对应关系。如果这些信号没有对齐，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匹配当前姿态，更无法验证这段动作是否真的能够进入训练集。为此，数据工厂为所有采集设备建立了统一的采集时钟和时间戳体系，以保证各类数据之间的对应关系。

创投家：关于跨本体重定向这个环节，目前行业通用方案是什么？桥介数物又是怎么解决的？

尚阳星：重定向（motion retargeting）是把一段以人体或某个参考本体为坐标系的动作，转换为目标机器人本体上的运动轨迹。当前业内较为普遍的做法，仍然是以人工调参为主，每一种机器人型号都需要单独调试。即便只考虑重定向这个环节，有经验的人也大约需要几个小时/台。

而行业常规方案最大的问题在于：通常只考虑运动学，而忽略了动力学。这会导致重定向仅仅模仿了动作轨迹，却没有综合考虑本体质量、轴距、摩擦力等关键因素，最终结果就是跨本体泛化能力不达预期。

我们在算法层自研了重定向引擎，支持“任意动作×任意机型×任意地形”。输入同步采集得到的多维数据后，就可以输出适配不同机器人本体的有效结果，并综合考虑地形、接触和关节因素。在工程层面，统一本体抽象层让新机器人仅凭URDF即可自动适配。此外，工厂采用流式与离线双模式，支持边采边重定向，将逐条人工调试的工作压缩到接近实时完成。

创投家：重定向之后的数据，就可以直接用于模型训练了吗？

尚阳星：还不行，中间还有一个关键环节叫数据增强。跨本体重定向输出的是高质量候选轨迹，但候选轨迹并不是最终训练资产。数据增强要做的，是继续把这些候选轨迹变成更可验证、更易训练、更便于模型消费的数据。

我们主要沿着三条路径优化这些轨迹：动力学增强、仿真多样性增强和语义标注。

动力学增强：把优质样本放入目标本体的动力学与接触模型中，通过RL动力学后处理，同时控制跟踪误差和物理违背，让候选轨迹从“运动学上看起来像”升级为“在目标本体上可跟踪、不穿透、不超扭矩、不违反摩擦锥”。

仿真多样性增强：把同一段动作放进不同虚拟环境中重复执行，使CWM资产的覆盖密度成倍提升，补齐缺失模态，同时扩增视觉和场景多样性。

语义标注：由AI标注系统辅助生成动作切片、动作类别、接触状态、场景对象、任务语义、失败原因和能力维度等标签，再由专业动作设计人员负责复核。

创投家：工厂最终是如何验证数据资产有效性的？

尚阳星：CWM数据工厂的质量管理要分两步走：先沿着生产链路做分层把关，再通过模型训练结果建立闭环反馈。一条样本从动作需求走向训练集，需要依次通过四道独立质检，也就是前面提到的设计层、原始数据层、重定向层和增强数据层。这四层把关共同将一条候选样本筛选成可进入训练集的数据资产，但真正能否训练出通用全身运动能力，最终还是要由模型结果来验证。

训练侧会把每次模型评估结果汇总成一份可回写的失败画像。失败画像会被直接反馈到上游每一层，各层再根据这份失败画像调整对应执行策略。两步结合后，数据工厂便形成了持续迭代的闭环，把数据置于“设计—采集—处理—训练—反馈”的完整链路中，从而提升单条数据的有效利用率，最大化释放数据价值。

创投家：目前数据工厂的成本结构如何？运营状态怎么样？产出情况如何？

尚阳星：目前工厂大约有几十名员工，场地规模在1000平方米左右。算上设备采购和运营成本，整体投入在千万级别。采集成本大约为数百元/小时。

过去三个月，我们已经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高质量CWM数据。使用这批数据训练得到的全身运动模型，最终在十多款结构、驱动性能、质量分布和惯量分布差异显著的足式机器人上完成了关键验证。

下一阶段的重点，是从试点验证走向规模化生产。我们会同步扩容场地、采集棚、动捕设备、动作设计团队、表演者编制以及算法/仿真/训练算力集群，让已经跑通的产线在更大规模上稳定运转。目标是在新工厂落地后，于早期阶段形成每月数千小时级、面向多构型机器人的高质量CWM数据产出能力。

创投家：数据工厂对于整个机器人行业的价值是什么？

尚阳星：我们作为独立第三方运动模型提供商，以及未来的通用机器人操作系统提供商，目标是服务整个行业、适配各类机器人。如果没有我们这样的第三方角色存在，每家公司想要达到一流的运动控制效果，可能都必须自己建设数据工厂，或者把相关数据集全部购买一遍。仅在当下，这一成本就要几千万元，未来可能还会更高。

另外，现在行业中有几百家人形机器人公司。我们判断，即使未来市场最终收敛，至少也会保留几十家企业，这个数量可以类比汽车厂商。如果每家公司都从零开始重复建设一遍，这将造成巨大的资源浪费。