简智机器人DAS 2.0将于11月9日CoRL亮相：头手协同采集人类操作数据

简智机器人在2026年11月7日对外宣布，DAS 2.0系列定于11月9日在美国奥斯汀举行的CoRL会议现场正式亮相。这一系列包含两款设备：新一代灵巧手数据采集手套DAS Dex 2.0，以及第一视角头戴式多模态数据采集设备DAS Ego 2.0。两款设备通过头手协同，把视觉、手部运动与触觉信息同步记录下来，为真实场景中规模化的人类操作数据采集与机器人技能学习提供支撑。

具身智能眼下正在积攒越来越多的人类操作视频，可从采集规模到训练价值之间，还横着几处关键断点。遮挡会让动作标签失真；轨迹看着相似，接触结果却可能不同；佩戴干扰、信号干扰与测量漂移，都会影响标签的一致性；局部抓取片段也很难呈现走近目标、调整站位、搬运转移的完整过程。人类把任务做完了，机器人未必能沿用同一套动作。

针对这些问题，DAS 2.0产品系列把场景覆盖、动作细节、原生测量与全身运动连接了起来，在数据规模、监督可靠性与任务完整性之间寻求兼顾。

三种数据配置，第一次把规模、细节与原生监督放在一起

DAS 2.0给出“Ego第一视角”、“Ego第一视角＋Wrist Camera腕部相机”与“Ego第一视角＋Dex数据手套”三种配置，对应不同任务的不同数据需求。

Ego 2.0：把真实场景的覆盖面撑大

轻量化配置让它更容易进入更多自然环境，记录下不同操作者、不同对象、不同空间布局以及不同操作习惯，异常工况、失败与修复过程也能被覆盖。第一视角影像与头手轨迹保留了任务背景，模型因此能学到跨场景的规律，对固定工位和标准流程的依赖也随之减少。

Ego＋Wrist Camera：补上精细动作

腕部连续画面能记录接近方向、手指调整、手—物相对运动及局部形变，再结合标定与轨迹重建，把动作片段细化并对齐不同视角。这套配置保留了视觉采集的轻量化优势，但效果仍受工作距离、运动模糊、遮挡及时空对齐影响，部分关节与接触状态存在不确定性。

Ego＋Dex：给出原生关节与触觉监督

关节传感直接记录手部构型，触觉记录真实接触，二者与第一视角和头手轨迹对齐，为视觉推断提供独立的测量依据，把外观相近、物理结果不同的示范区分开来。

混合训练里，覆盖范围更广的数据把任务分布撑开，腕部视角盯住动作细节，原生测量则给关键状态和标签加上约束。不同配置之间，对齐后的任务、轨迹与交互表征可以共用，各自的监督信息分别使用；要学双视角触觉，还得再采 Ego＋Wrist Camera＋Dex 三者同步配对的数据。

Whole-body数据把环境观察、手部交互与身体运动纳入同一时间轴和空间参考，补齐靠近目标、侧身下蹲及操作后转移等任务环节。

DAS Ego 2.0：图像细节更足，动作记录更连贯

DAS Ego 2.0搭载2颗500万像素主相机与4颗200万像素辅相机，核心相机模组由单颗200万像素升级至500万像素，整机水平视野从270°扩展到340°，局部细节采样与周身环境覆盖分别得到提升。

宽高比、单相机视场和距离都不变时，从 2MP 提到 5MP，等于宽、高两个方向的线性采样各多出约 58%，而单个像素对应的物体表面投影边长则缩了约 36.8%。当然，最终能重建到多准，还要看镜头、曝光、标定、遮挡和算法。DAS Ego 2.0 的指尖追踪标称精度能到 4 mm，放到完整任务里，动作质量稳不稳，还得靠头部定位和跨相机标定一起兜住。

像素升级带来的训练价值主要有两块。其一，改善离线关键点定位、多视角匹配与轨迹重建，减少动作标签偏差；其二，通过局部裁剪、多尺度输入等方式保留接触区域细节，让新增的图像信息真正进入模型。要是所有画面都缩到相同尺寸，部分细节增益就可能在预处理中损失掉。

DAS Dex 2.0：靠材料与结构创新保住原生监督

触觉数据值不值钱，前提是它可不可靠。Dex 2.0 用自研半柔性压阻式电子皮肤加侧置仿生外骨骼，从三个维度守住数据质量：操作不受干扰、信号抗得住干扰、持续采集不掉链子。

结构上，主要外骨骼挪到了手指侧面，机械关节贴近人手的运动轴，指背、指腹和掌面就腾出了空间，贴面拾取、掌内调整以及狭窄空间里的操作，受到的干扰也跟着变少。材料与传感结构的设计，重点在于把真实接触和手指屈伸、材料形变、佩戴预紧、通道串扰区分开，让设备自身的变化尽量少影响标签。

在已完成的一个月采集测试中，同等条件下重复相同动作，触觉测量响应保持一致，这为跨时段数据比较提供了基础，也减少了设备状态变化带来的批次差异。

Dex 2.0 把微型磁编码器和运动学标定结合起来，得到 21 DoF 的手部运动表示；单手装了 16 块触觉传感器、980 个感知单元，最小检测力 0.1 N。视觉被遮挡时，原生关节测量能补出手部构型；触觉则把接触位置、强弱变化和释放时序跟动作对上，为动作学习、状态估计和失败恢复提供监督。

用真实触觉，支撑更可扩展的双视角方案

Ego＋Wrist Camera＋Dex 同步采到的数据，能给视觉触觉学习提供成对的训练样本：画面当输入，关节与触觉测量给出物理层面的监督。腕部视角补的是局部形变、边缘位移、物体随手运动这些线索，Ego 提供任务背景，真实触觉则帮模型把视觉上的变化和接触状态对应起来。

把配对监督和知识蒸馏结合起来后，Ego＋Wrist Camera这套方案接下来有望判断接触有没有发生、接触落在哪个区域、强弱怎么变，并给出置信度，让精细采集拿到的物理信息用到更广的数据上。

Dex配对采集可以着重覆盖新材料、困难样本，以及失败之后的调整过程。模型估计能当作后训练的辅助目标，或者作为动作选择的条件信息，但必须跟实测标签分清楚，置信度要保留，别让预测误差在训练里被放大。

接触估计和未来接触预测要用的训练目标并不一样：前者靠当前和历史的观察来判断接触状态，后者还得结合准备执行的动作，比较夹紧、抬升、松手这些动作各自可能带来什么结果。

视觉消不掉所有不确定性。外观一样的物体，重量可能不同；隐藏的接触也未必看得见。所以绝对力值估计仍然需要校准，关键控制仍然要靠机器人自身反馈；遇到新场景里拿不准的样本，可以补充实测，慢慢扩大可靠判断的范围。

Whole-body：把策略、全身协调和执行串起来

Whole-body数据保留了局部技能成立所需的身体条件，也保留了动作前后的衔接，能支撑更完整的任务学习。

策略层上，连续示范会记下站位、移动和观察位置调整跟任务结果之间的关系，为减少无效停位和反复调整提供依据。

协调层上，数据记录的是不同高度、距离和障碍条件下，身体整体移动、躯干调整与手臂伸展怎么配合完成末端目标，给身体约束下的运动生成提供参考。

执行层上，全身轨迹把拿起物体之后的起身、转向和搬运连在一起。稳定跟踪、抗扰和负载适应，仍然要结合机器人自身状态、接触反馈与控制系统来完成。

硬件协同加持续采集，让多模态数据拧成一股劲

多路传感器只有对准同一次交互，才能共同形成监督。DAS Ego 2.0与Dex 2.0靠统一时钟、硬件触发和曝光控制，做到1 ms级头手时间对齐。按手速0.5 m/s估算，1 ms错位大约对应0.5 mm的运动距离，10 ms则约为5 mm。这只是时间错位带来的几何偏差，也说明同步精度会影响动作与接触标签的对应质量。

Ego 2.0支持不关机更换磁吸电池包，单包续航约2.5至3小时，再加上采集状态检查和批量后处理，记录中断和无效数据都能减少，高质量数据得以持续生产。

DAS 2.0系列用Ego扩展场景分布，用腕部视角丰富动作细节，用Dex提供原生监督，用Whole-body连接身体运动与操作过程，再由机器人数据完成执行适配，帮助模型从学单次交互走向学连续任务。

接下来，简智机器人会持续迭代数据产品与配套工具链，降低高质量交互数据的获取门槛，与科研和产业伙伴一起推动具身智能数据规模化与模型创新。