
近日,简智机器人合作伙伴乾章智能(Qoo Tech)公布具身智能方案 Q0-Preview,探索将前沿多模态大模型的空间感知、任务规划与工具调用能力用于复杂物理任务的自主操作,简智机器人为乾章提供重要的数据支持。
截至 2026 年 11 月 11 日,Q0-Preview 在 RoboDojo Sim Agent 榜单上以 68.87% 的任务成功率、74.2 的综合得分位列第一,成为该榜单开榜以来首个综合得分突破 70 的方案。
合作伙伴发布 Q0-Preview 探索 Agent 驱动的物理操作
乾章智能围绕通用模型与具身操作的结合展开探索。此次公布的 Q0-Preview 采用 Agent 技术路线,将机器人操作中的目标定位、接触位置与姿态选择,转化为可计算、可执行的空间问题。在任务过程中,模型通过视觉观测理解目标,调用空间计算工具确定操作位置与朝向,再由运动规划组件生成可执行动作。执行后,系统根据新的观测调整后续决策,形成 “观察 — 计算 — 执行 — 反馈” 的操作过程。
目前,Q0-Preview 已在仿真任务中展示双臂协同、精细操作、自适应调整,以及利用历史信息完成多阶段任务的能力。这类探索将任务理解、空间计算与动作执行连接起来,也对数据提出了更具体的要求:除了局部动作,还需要理解操作发生的环境、身体如何配合,以及不同阶段怎样衔接。
Whole-body 数据:将手部操作放回完整任务中理解
简智为乾章提供重要的数据支持,关注人类完成任务时的身体运动与操作上下文。一次搬取物体的过程,往往从走近目标、选择站位开始,再经过弯腰、伸手、抓握,最终起身、转向并将物体移至目标位置。若只保留末端抓取的片段,任务中的身体协调、移动路径和前后衔接便可能被遗漏。
Whole-body 数据的价值,在于扩大对这一连续过程的记录范围。
动作如何衔接:从接近目标到完成操作,任务各阶段怎样连续展开;
身体如何协调:躯干、肩臂与手部如何配合,应对不同位置和操作空间;
行为如何适应环境:同一目标下,操作者如何根据物体、布局及任务条件调整动作。
人类数据与机器人本体之间仍存在结构、运动范围和感知方式的差异,需要结合具体方法进行处理、适配与验证。简智希望通过更丰富的全身操作记录,为合作伙伴研究空间理解、动作组织与复杂任务执行提供数据基础。
DAS 2.0 发布 为持续获取多模态操作数据提供硬件支撑
围绕人类操作数据的持续获取,简智近期发布 DAS 2.0 采集产品矩阵,包括 DAS Ego 2.0 第一视角采集设备、Dex2.0 灵巧数据采集手套及 Wrist 腕部相机,进一步完善从环境观察到精细接触的数据采集能力。
DAS Ego 2.0 搭载六路全局快门相机,支持 30 fps 同步成像,水平视野覆盖 340°,并集成 IMU 与麦克风。更广的观察范围有助于保留转身、弯腰、搬运等任务中的环境与动作上下文,为后续人体运动和空间关系重建提供观测基础。
Wrist 腕部相机补充近场视觉,记录手与物体之间的接近、抓取、调整和释
Dex2.0 支持 21 DoF 手部运动捕捉,并通过 980 个触觉感知单元记录主要手部交互区域的接触信息。在联合配置下,系统通过统一时基、硬件触发与相机曝光控制,实现头部视觉、腕部视觉、手部关节与触觉的 1 ms 级时间对齐。
不同配置可以根据任务需要组合使用。结合标定、质量检查与后处理,DAS 2.0 将为简智后续的人类操作数据生产提供硬件支撑,帮助团队持续拓展环境、运动与接触信息的采集范围。
建设 Physical AI 数据基础设施 支持更多研发路径
模型能力持续演进,研究团队对数据的需求也在变化。从环境覆盖到动作精度,从任务连续性到物理接触,数据基础设施需要能够响应不同技术路线和应用目标。简智持续围绕规模化人类技能数据采集、Data Foundation Model 训练与数据处理、真机集群评测验证开展建设,推动数据生产与研发需求、能力验证之间的衔接。
与乾章的合作,是简智支持 Physical AI 研发的一项实践。未来,简智将继续完善采集硬件、数据处理与评测能力,与更多合作伙伴探索高质量人类数据的使用方法,在具体任务中检验数据价值,共同推进机器人从理解目标走向可靠操作。
(来源:简智机器人)