工作原理
一次示范如何转化为可直接训练的数据、阶段路线图，以及每次采集所记录的全部通道。
从人类示范到机器人训练数据。
自我视角示范
训练有素的操作员以头戴加手腕的可穿戴设备，从第一人称视角记录真实的双手任务：同步的 RGB、深度、3D 手部姿态与骨架、运动与音频。它随训练有素的操作员线性扩展，每小时成本仅为遥操作的一小部分，无需实验室或机器人即可记录。
头戴 + 手腕设备 · 多视角 RGB · 亚毫秒同步对齐并标注
亚毫秒级时间戳对齐每一路通道；较快的数据流降采样，较慢的则插值。每个场次按任务与步骤切分，并附物体与接触标签、知情同意与溯源。
亚毫秒同步 · 任务 + 步骤标注 · 溯源可直接授权的场次
输出：带标注的训练场次，采用生态已在使用的格式，可直接接入人形机器人基础模型训练流程。
GDPR · EU AI Act · HDF5 / LeRobot v3发展路线 · 从采集到语料到模型
一个数据引擎，三段构建而成。
自我视角采集
以头戴加手腕的可穿戴设备采集第一人称人类示范。这是产出每一个人形机器人模型底层数据成本最低、最具扩展性的方式。
语料的宽广底层，也是我们的起点。
多模态精度
设施内采集补充可穿戴设备遗漏的信号：力、力矩、接触与视线。这正是力控双手装配所要求的精度。
底层向上攀登所指向的精度目标。
专用模型
语料不断复利累积，且始终归我们所有。当其达到规模，并在我们为此阶段引入的机器学习研究负责人的带领下，我们训练由其驱动的垂直模型，兼容 NVIDIA Isaac GR00T N1.7、Physical Intelligence π0 与 Hugging Face LeRobot。
数据护城河由此转化为模型护城河。
这曾是机器人技术的样子。
八条同步通道，融合为一帧带标注数据。
人形机器人赖以训练的多模态数据供给。
Roborecs 正在构建这样一条数据管线：以第一人称采集这些通道，其中六条来自第一阶段，力与视线则在第二阶段设施中补充，再融合为训练帧，采用行业已在使用的格式。
采集规格：目标通道、各自速率与融合输出。仅作示意，非实时或已记录的传感器数据。
每条通道以各自的原生速率采集。亚毫秒级时间戳对齐每一个采样点。较快的通道降采样，较慢的通道插值。输出为单帧多模态数据，每秒 30 次。
Roborecs 的数据集以带完整文档、可直接训练的场次形式交付，而非成堆的原始数据。具体可用内容取决于采集阶段。
- 7 路 RGB 视频
- 深度
- IMU（500 Hz）
- 空间轨迹
- 音频
- 手部姿态与骨架
- 力/力矩与触觉（第二阶段）
- 任务与步骤分割
- 物体与交互标签（抓取、放置、插入、布线）
- 接触与抓握事件
- 逐场次元数据（任务、环境、操作员）
- 面向你的模型或基准的定制分类体系
- LeRobot v3 / HDF5 格式
- 数据卡与清单
- 逐场次的知情同意与溯源凭证
- 欧盟法域内交付
- 云存储桶或加密传输
采集项目的交付规格。具体可用的模态与标注取决于采集阶段。
精度层
索非亚设施，以及相机本身无法承载的力与触觉。
专为物理 AI 而建，落地欧洲。
规划落地于索非亚科技园（Sofia Tech Park）的专用数据采集设施。首期面积 1,100 m²，可扩展至 5,000 m²。直接对接 STEM 人才、能源基础设施与欧盟物流。目标于 Q3 2027 投入运营。
力控双手装配，第二阶段的精度任务目录。
第二阶段补充需要力与双手协调的接触密集型任务，超出第一人称视频本身所能承载的范围。机器人厂商客户可委托覆盖以下各类别的任务库，也可就专有需求提出定制委托。
- →连接器插接与线缆布线
- →带扭矩的精密紧固
- →PCB 与元件操作
- →抓取放置装配
- →质量检测
- →料箱分拣与打包
- →双手协调
- →工具操作
- →精细对位
- →协作任务交接
- →协助与引导
- →近距离安全作业
- →OEM（厂商）定义的任务规格
- →定制采集场次
- →IP（知识产权）完全转让
操作员驱动，机器人执行。
第二阶段的精度层，面向最具挑战的接触密集型任务。移动光标以引导操作员指令；机器人随之执行，我们在其作业过程中记录关节状态、力和接触，数据在机器人自身的动作空间中采集，可直接用于训练，无需人到机器人的重定向。
示意性遥测 · 实时源自演示运动学，而非记录的传感器数据
先有语料，再有以此构建的模型。
采集与精度只为构建一样东西：一份专有的、带动作标注的力控装配语料。机器人模型架构正在走向通用化，开放的 GR00T、开放的 LeRobot、开放的 π0，而其底层的数据不会。语料是护城河，专用模型则是它带来的复利回报。
语料无法从网络抓取，只能一次一项交互地采集，并随我们运行的每一项任务不断增长。循环每转动一圈，数据领先优势便再扩大一分。
目前尚无任何模型基于 Roborecs 数据训练，Roborecs 也尚未交付任何模型。模型层的开启取决于两道门槛：语料规模跨过已发表结果表明专用策略所需的门槛，且我们引入构建它所需的机器学习研究负责人。我们宁可明确说明这些门槛，也不愿暗示一个尚不存在的模型或团队。
我们的专用模型是任务策略，而非机器人，可运行于任何 LeRobot 兼容的技术栈之上。数据才是产品：授权给客户的任何语料，都会从我们自己的模型路线图中划出，因此我们绝不发布与数据客户相竞争的策略。我们确实会构建的策略，用于证明语料能产出什么。
示例策略 · 规划中
电子装配
面向连接器插接、线缆布线与螺丝紧固的专用视觉-语言-动作策略。基于装配语料中的力/力矩与触觉通道后训练，在这些任务中，一毫米与几牛顿即决定成败。以 LeRobot 兼容格式交付。
精密配套
在严格公差下将零件从料箱放置到夹具。相同语料，不同任务族。
这些模型位于开放基础模型的下游，而非与之对立。基于语料后训练，并以同一套 LeRobot 兼容格式交付。与 NVIDIA Isaac GR00T N1.7、Physical Intelligence π0 兼容，而非竞争。