约 50 万 小时
截至 2026 年初,全球高质量真实物理交互数据总量,不足大语言模型训练数据量的两万分之一。
数据来源:《具身智能数据市场深度研究报告(2025—2030)》,2026 年 5 月发布。
Embodied Data Infrastructure · 2026
Eyes for Robots
从第一人称采集设备,到可交付的训练数据资产。TOBI 拓比科技提供 Ego 数据采集硬件、规模化采集服务、标准化数据集与标注平台,为人形机器人、工业机械臂与具身大模型团队提供可验证、可复现、可采购的数据基础设施。
Why Now
与大语言模型可从互联网获取海量文本不同,物理交互数据必须在真实环境中逐条录制。行业公开研究显示,这一稀缺性正在成为具身智能规模化落地的核心制约。
约 50 万 小时
截至 2026 年初,全球高质量真实物理交互数据总量,不足大语言模型训练数据量的两万分之一。
数据来源:《具身智能数据市场深度研究报告(2025—2030)》,2026 年 5 月发布。
+54%
以 2 万小时以上第一人称人类视频进行预训练后,机器人在下游任务上的成功率相对提升幅度。
数据来源:NVIDIA EgoScale 研究成果,经 Claru《7 Best Egocentric Video Data Providers for Robotics (2026)》整理引述。
118 美元/小时
2026 年 3 月遥操作数据采集的行业平均成本,较 2024 年初的 340 美元/小时下降约 60%。
数据来源:《具身智能数据市场深度研究报告(2025—2030)》,2026 年 5 月发布。
人类第一人称采集,正在成为当前具身数据获取中成本与效率均具优势的路径。这也是 TOBI 全部产品的设计出发点。
数据来源:EgoMimic 研究(《EgoMimic: Scaling Imitation Learning via Egocentric Video》,佐治亚理工学院)指出,在与机器人数据联合训练时,1 小时额外的人类第一人称数据,其训练价值高于 1 小时额外的机器人遥操作数据。以上为第三方公开研究结论,不构成对具体项目效果的承诺,实际效果取决于任务定义、本体形态与训练方法。
How To Work With Us
无论你处在自建采集、外包生产、数据补充还是平台接入的哪个阶段,都可以从对应路径直接进入评估。
PATH 01
已有采集团队,需要可量产、可扩展、参数透明的第一人称硬件。
PATH 02
有明确任务定义,需要外部团队执行现场采集与数据标注。
PATH 03
需要即用型训练数据做模型冷启动或特定场景补充。
PATH 04
需要采集运营、设备远程管理与标注协同能力。
Ego Devices
以下参数取自产品规格文件与实测交付文档。E6 提供两种 RGB 传感器版本,对应不同固件,需在订购时指定;量产时间与研发阶段指标已逐项标注。
本页所列规格供技术选型参考,实际交付规格以双方确认的最新书面规格文件为准。
高通 XR2 Gen1 平台,4 路灰度全局快门相机 + 2 路 RGB 相机可实时同步运行,机内直出 SLAM 轨迹,整机 370g 采用后置电池前后配重设计。
6 路相机可实时同步运行;多相机硬件同步时延 <1μs。单颗灰度相机 DFOV 160° / HFOV 142° / VFOV 107°。
两种传感器版本对应不同固件 ROM,需在订购时指定,出厂后不可自行互换。RGB 默认输出 30fps,可通过设备属性切换至 60fps 后重启生效;更高帧率为硬件能力上限,实际可用帧率以书面规格为准。
该数值为 4 路灰度相机合成视场角,非单颗相机指标。
定位精度为产品规格文件数值;轨迹漂移为机内直出 SLAM 指标。第三方动捕对比实测结果见下方「工程验证」章节。
标定项覆盖零偏、比例系数、轴间正交误差与全温域补偿系数,适配 8 小时以上长时录制场景。
电池后置设计实现前后配重均衡,降低长时佩戴颈部负荷。
| 数据流文件 | 实测规格 |
|---|---|
| rgb.mp4 | HEVC 4656×1748 @30fps(双目拼接) |
| tracking.mp4 | HEVC 灰度 1280×480 约 60fps(双目 640×480 拼接) |
| ctrl.mp4 | HEVC 灰度 1280×480 约 60fps |
| hand_tracking.csv | 双手共 26 关节 @72Hz |
| imu_pose.csv | IMU + 6DoF 头姿,约 2kHz |
| audio.m4a | AAC 44.1kHz 单声道,约 90kbps |
以上为 SDK 交付文档中记录的实测输出规格。头环 SDK 通过 Native 层 SXR Camera API 提供接口,支持 TRACKING、CTRL、RGB 三个相机组枚举;数据接口全部对外开放。
不支持 Micro SD 卡扩展。
双核处理器 + 2 路 RGB 全局快门 1080P,整机 <150g,面向大规模现场铺量采集。
单颗相机 HFOV 194° / VFOV 111°。
该数值为自研标定工具链输出的相机标定精度指标,非定位精度指标。
可外接移动电源延长续航时间。
设备输出原始双目视频与 IMU 数据,位姿需由客户在计算机端自行完成离线 SLAM 重建。若项目要求设备端直出轨迹,请选择 E6 或 E8。
需要大批量、多地点、长周期铺量采集,且团队具备计算机端离线 SLAM 与后处理能力的项目。例如零售与仓储的第一人称行为采集、多城市多场景的规模化视频数据生产。
高通 XR2 Gen2 平台,10 路相机实时并发 + TOF 深度相机,可搭配 4 个全身动捕模块。
10 路相机实时并发运行。
电池后置实现前后配重。
该数值为研发阶段目标规格,设备计划于 2026 年 9 月量产,最终指标以量产书面规格文件与联合测试确认为准。
需要头部视角、多路 RGB、深度信息与全身姿态同时采集的高价值项目。例如人形机器人全身动作模仿学习、复杂双手协同操作与多视角三维重建任务。
E8 头环 + 4 个全身动捕模块的组合采集配置(左)与头环顶部支撑结构(右)
Accessories
4 核芯片;1280×1024 @30/60fps;FOV V148° / H174° / D200°;景深 7.2cm 至无穷远;高精度 IMU(静止状态噪声 0.001rad/s);重量 100g;2.4G 与 BLE 传输;支持红外定位灯;本地 SD 卡存储;Linux 系统。
与 E6 / E2 主机连接做时间同步时输出主机同步信息(PPS + UART TX);不连接主机时可收发(PPS + UART RX & TX)。2026 年 7 月提供样机。
重量 80g;红外定位灯搭配 E6 / E8 实现定位,无需外部定位基站;高精度 IMU(静止噪声 0.001rad/s);2.4G 与 BLE 传输;标准 USB Type-C 接口;采集灯环位姿信息并传输至 Ego 主机保存。
无内置电池、无 ISP 版本的接口定义:VBUS 供电,UART_TX 接 USBDP,UART_RX 接 USBDM,PPS 接 SBU。2026 年 8 月提供样机。
灯环定位模组可集成到第三方夹爪;腕部相机与灯环模组均支持接入夹爪、手套追踪等外部感知设备,接入后时间戳同步精度 <1ms。
具体接入方案、机械接口与同步实现方式需按项目情况联合确认。
Comparison
我们把国际学术界广泛使用的 Meta Aria Gen 2 一并列出,以便你判断能力边界。两类产品定位不同,我们同时标注了自身尚不具备的能力。
| 对比维度 | TOBI E2 | TOBI E6 | TOBI E8 | 国际参照:Meta Aria Gen 2 |
|---|---|---|---|---|
| 量产与获取方式 | 2026 年 7 月量产 | 已量产,可批量采购 | 2026 年 9 月量产 | 面向学术研究申请制发放,不面向商业采购 |
| 相机路数 | 2 路 RGB | 6 路(4 灰度 + 2 RGB) | 10 路 + TOF 深度 | 7 路(4 SLAM + 1 RGB + 2 眼动) |
| RGB 规格 | 1080P@60fps 双目 | 2328×1748 或 1600×1200 双目 | 1600×1200 ×2 + 1280×1024 ×4 | 单路 RGB |
| 机内 SLAM | 不含,需客户端离线解算 | 定位精度 5mm | 1.5mm(研发阶段目标规格) | 机内 VIO 6DoF |
| 眼动追踪 | 不具备 | 不具备 | 不具备 | 2 路眼动相机 |
| 生理信号采集 | 不具备 | 不具备 | 不具备 | PPG 心率、接触式麦克风 |
| 整机重量 | <150g | 370g(主机 150g) | 280g(主机 120g) | 74–76g |
| 手部追踪 | 不含机内手部追踪 | 双手 26 关节 @72Hz | 支持手势识别 | 支持手部追踪 |
| 外设扩展与同步 | — | 腕部相机 / 灯环 / 夹爪 / 手套,同步 <1ms | 同 E6 + 全身动捕 ×4 | 未公开外设扩展同步指标 |
| 配套交付 | 整机 + SDK + 采集服务 + 数据集 | 整机 + SDK + 采集服务 + 数据集 + 运营与标注平台 | 同 E6,另含全身动捕方案 | 研究套件与开放数据集,配套 Machine Perception Services |
Meta Aria Gen 2 相关数据来源:Project Aria 官方网站设备对比页面,以及 Meta AI 技术博客《Inside Aria Gen 2: Explore the Cutting-Edge Features Driving Machine Perception & AI Research》(2025 年 6 月 4 日发布)。两类产品定位存在本质差异:Aria Gen 2 面向学术研究以申请制发放,TOBI 设备面向商业化量产采购与项目交付。TOBI 在整机重量、眼动追踪与生理信号采集方面尚不具备同等能力;在相机路数、外设扩展同步与商业化交付能力方面具备差异化优势。本表仅用于技术选型参考。
Engineering Validation
具身数据设备的可信度不来自形容词,而来自可复现的测试条件。以下为 E6 的实测数据摘要,完整测试报告可在技术评估阶段索取。
| 统计量 | RMSE | Mean | Median | P90 | Max |
|---|---|---|---|---|---|
| 轨迹误差 | 6.32mm | 5.80mm | 6.47mm | 9.14mm | 11.17mm |
测试条件:动捕实验室环境,以 OptiTrack 红外光学被动式动捕系统输出的 6DoF 位姿作为真值基准,与 E6 机内直出 SLAM(视觉惯性里程计)轨迹进行逐点比对统计。
| 分组 | 轨迹数 | 总长度 | 位置 ATE | P95 | 角度 ATE |
|---|---|---|---|---|---|
| R 单轴旋转 | 9 | 2.62m | 1.3mm | 3.7mm | 2.44° |
| T 单轴平移 | 15 | 15.78m | 1.5mm | 3.0mm | 1.16° |
| C 旋转平移耦合 | 2 | 56.54m | 2.3mm | 4.3mm | 0.97° |
测试条件:按头戴设备原子运动评测集执行,共 26 条轨迹。位置 ATE 与角度 ATE 为加权均值(wmean),P95 为加权 95 分位(wp95)。发散判定阈值为 ATE RMSE > 100mm,本批次 26 条轨迹中 0 条发散。RPE@1s 加权均值分别为 R 组 0.85°、T 组 0.54°、C 组 0.60°。
IMU 标定覆盖零偏修正、比例系数校准、轴间正交误差矩阵校正与全温域补偿系数;相机标定覆盖内外参、镜头径向与切向畸变系数、IMU 与相机联合外参(旋转矩阵与平移向量)。
| 相机组 | 模型 | 平均匹配点 | 误差均值 | 中位数 | P90 | 外参诊断 |
|---|---|---|---|---|---|---|
| RGB 双目 | Stereo [fisheye] | 825 | 0.20px | 0.15px | 0.45px | PASS |
| Tracking 双目 | Stereo [pinhole] | 159 | 0.24px | 0.16px | 0.55px | CHECK |
| CTRL 双目 | Stereo [pinhole] | 5 | 本场景未获得有效立体匹配 | 未纳入 | ||
测试条件:每段视频抽取 30 帧,采用 SIFT 特征提取与 KB 畸变模型。RGB 相机组误差在原始鱼眼空间计算,CTRL 与 TRACKING 相机组在 pinhole 空间计算。外参诊断口径:本征矩阵相似度 E_sim > 0.99 且旋转角度差 < 1° 判定为 PASS,E_sim > 0.97 判定为 CHECK。RGB 组 E_sim 为 0.99983、旋转角度差 0.39°;Tracking 组 E_sim 为 0.98813、旋转角度差 0.97°。CTRL 相机组在本次测试场景中平均仅获得 5 个匹配点,不足以支撑立体重投影统计,因此未纳入本项评估结论。
RGB 双目立体基线由标定外参计算为 63.66mm,接近人类平均瞳距(约 63mm);双目光轴相对旋转 1.40°。该结果表明装配一致性处于设计预期范围内。
<1μs
多相机同步时延
E6 机内 6 路相机硬件同步
<1ms
IMU 与图像帧同步
硬件级时间同步标定
≤±10ms
帧间隔波动
30fps 输出条件下
<1ms
外接设备时间戳
外接夹爪、手套等设备接入后
时间同步是多模态数据可用性的前提。上述指标均为硬件级同步实现,不依赖后处理对齐;具体项目的同步验证方法与测试记录可在技术评估阶段提供。
Lab & Manufacturing
设备研发与生产环节配备电磁兼容、可靠性与来料检验实验室,测试标准覆盖多个国际汽车与电子行业规范。
双极性电源测试系统、瞬态浪涌抗干扰测试系统、静电抗干扰测试系统、空间辐射测试系统、传导骚扰测试系统、EMI 测量接收机(Rohde & Schwarz,德国)、接收天线(Schwarzbeck,德国)、带俯仰角天线塔(Maturo,德国)。
振动测试、热冲击测试、跌落测试、高温老化测试、恒温恒湿测试、高低温测试。
盐雾测试、二次元测量仪、线缆摇摆测试、电源适配器老化测试、线材综合测试、连接器插拔测试、X 射线荧光检测仪、ROHS 2.0 测试仪、纸箱抗压与爆破测试。
以上为设备研发与生产环节所具备的测试标准覆盖范围与实验室能力说明。具体型号适用的检测项目、检测报告与认证文件,可在技术评估阶段按需索取。
Data Production Service
如果你有明确的任务清单但缺少现场执行能力,可以把采集与标注整体委托给我们。每个环节都有对应交付物,便于你在项目内部做进度与质量核查。
01
明确本体形态、任务清单、目标场景与模态需求,对齐数据用途与验收标准。
→ 任务定义书
02
编写场景脚本,完成采集人员培训、设备配置与标定,确定采集节奏与数量分配。
→ 采集方案 + 标定文件
03
运营平台实时监测设备状态与采集进度,按订单批量触发多设备数据回传。
→ 采集进度台账
04
依托 AI 能力自动完成场景标注,辅以人工抽检复核,按一、二级场景标签体系组织。
→ 标注数据 + 质检报告
05
按约定格式、目录结构与质量门槛交付,随数据集提供数据卡与授权文件。
→ 数据集 + 数据卡 + 授权
把采集项目的订单、工单、设备与数据回传纳入统一管理,采集过程可追踪、可核查。
采集数据回传后进入标注平台,由 AI 能力完成初步标注,人工负责抽检与复核。
Data Assets
数据的价值取决于能否直接进入训练流程。我们按客户使用的训练框架约定交付格式、目录结构与字段定义,并随数据集提供完整数据卡。
全部模态均来自设备实测输出,时间戳硬件级同步。
上述规格对应 E6 设备实测输出;不同设备型号与固件版本的输出规格存在差异,实际交付以项目约定为准。
基础封装采用 MP4 / HEVC、CSV、JSON、HDF5;可按项目约定输出适配主流训练管线的格式。
具体格式、字段定义与目录结构以项目交付约定为准。如需对接特定训练框架或自研数据管线,可在技术评估阶段提出,由工程团队评估适配方案与工作量。
让数据的来源、条件与限制在交付时就可被审计。
采集涉及真实人员与真实场景,合规链路与数据权属需在项目启动前明确。
数据授权范围、使用期限与地域限制以双方签署的书面授权文件为准。
Platform & SDK
设备随机提供固件、SDK、调试工具与导出脚本,配套手机端 APP 可完成配网、预览与录制控制。工程团队无需从零摸索接口。
头环 SDK 通过 Native 层 SXR Camera API 提供接口,支持 TRACKING(灰度跟踪)、CTRL(灰度控制)、RGB(彩色相机)三个相机组枚举;手机 SDK 提供与设备端的通信交互能力;数据接口全部对外开放。
RGB 相机默认输出 30fps,可通过设备属性切换至 60fps,配置持久化保存,需重启后生效。
Android 端提供安装包;iOS 端可在 App Store 搜索 “ego vision”。设备固件与手机 APP 版本需保持同步。设备端亦支持物理按键一键启停录制,数据自动封装保存。
设备语音提示目前支持中文;刷机脚本主要适配 Windows 环境,macOS 与 Linux 可通过 shell 脚本执行但尚未完成全面兼容性测试;采集数据采用 HEVC 编码,部分系统默认播放器不支持,建议使用 VLC 等播放器。多语言提示与多平台工具链兼容性正在推进中,具体版本计划可在技术沟通中提供。
Customization
如果标准型号无法满足你的本体形态、场景约束或算法需求,可以在硬件与软件两侧提出定制范围,由工程团队评估可行性与周期。
Partner Network
面向具备现场组织能力的区域服务商开放采集项目合作。我们提供设备、人员培训、运营平台与结算支持;服务商平台提供项目管理、任务分配、采集记录、设备管理与结算功能。
Get Started
无论你要评估设备规格、启动采集项目、采购数据资产还是接入平台,填写下方表单后,产品专家会结合你的任务与本体情况给出具体建议。
工作日提交后,由产品专家在 24 小时内与你联系。也可点击页面右下角 AI 助手,即时查询设备参数、测试条件与选型建议。