NVIDIA EgoScale证明，第一人称人类操作数据在灵巧操作训练中具备Scaling Law；Generalist / Gen-1则进一步显示，大规模人类数据预训练结合少量真机数据后训练，可以显著提升机器人在长程、复杂任务中的成功率。
公开信息显示，他26岁获评哈工大（深圳）计算机学院长聘教授、博导，曾获Google Ph.D. Fellowship，入选国家级高层次青年人才、深圳市“高精尖缺”人才、广东省重大人才工程。
这两类工作共同指向一个趋势：相比完全依赖真机采集，让机器人先从大规模人类数据中学习动作过程、物体交互和任务结构，再用少量机器人数据完成对齐和适配，是一条更容易规模化的数据路径。
“破晓”这个名字，也对应了这家公司想解决的问题：在人形机器人走向真实操作之前，触觉数据、触觉世界模型、灵巧手反馈控制、全身移动操作仍然处在技术混沌中。
但人和物体之间真正发生了什么，视频里并不完整。手指压在哪里，力有多大，物体有没有滑，接触是否稳定，这些信息很难只靠图像回答。
TouchWorld不是孤立的一篇论文。此前，杨朔团队已经推出EgoTouch和TouchAnything：
它的核心能力，是让机器人不只预测画面如何变化，也开始预测接触如何发生，并在真实操作中利用触觉反馈修正动作。
它把第一人称视频、腕部视角、手部姿态和双手压力图放进同一套采集系统里，让人类操作视频带上接触和压力信息。
团队围绕刚性物体、柔性物体、抓取、抓捏、拧动、工具使用等任务，采集人类在真实操作中的视觉和触觉数据资源。
这也是杨朔团队从EgoTouch、TouchAnything走到TouchWorld的原因。
破晓智能要做的，是融合人类视频数据与触觉感知模态，构建人形机器人全身移动灵巧操作世界模型。
模型到底应该用什么数据学习。到了机器人这里，就变成了机器人到底应该用什么数据学习真实操作。
本周，哈工大（深圳）杨朔团队上线了TouchWorld，一个面向灵巧操作的触觉世界模型。
更具体地说，它不是只做一个触觉智能模型或硬件，而是希望围绕“机器人如何真正学会操作”，
TouchAnything尝试从第一人称视频中恢复触觉，如何做低成本的触觉数据增广。
到了具身智能，数据不再只是图像、文本和标签，而是人在真实世界中的连续操作过程。
从破晓智能的技术图谱看，Touch系列AI模型不是并列摆放的几篇论文，而是一条
相比直接从“机器人创业”切入，他的路径更像是从一个数据问题一路走到物理世界：
△杨朔，破晓智能（PHANES AI）创始人、哈工大（深圳）长聘教授、博导
在传统机器学习里，这个问题更多指向数据质量、数据选择、噪声标签和数据压缩。
第一人称视频让机器人看到了人类如何观察世界、接近物体、抓取工具、完成任务。
它拿什么学习这个世界，靠什么把动作做出来，又怎么知道自己到底碰到了什么。
过去一段时间，人类数据资源正在成为机器人学习复杂操作的至关重要入口。
VLA和世界模型已经把机器人推向“看懂世界”和“预测世界”的阶段。
现任哈尔滨工业大学（深圳）计算机科学与技术学院长聘教授、博导，也是
切入，把这些表现水平重新串起来，让机器人从“看见世界”，走向
先采触觉，再恢复/对齐触觉，最后让具身模型真正使用触觉。
从Data-Centric AI技术，到机器人真实数据集
破晓智能给出的答案是：光有视觉不够，光有动作轨迹也不够。
但只要模型真的进入物理世界，问题很快就会变得更具体：
机器人还需要触觉，需要理解手和物体接触时发生了什么。
Touch系列：从采集触觉，到对齐触觉，再到使用触觉
允中 发自 凹非寺量子位 | 公众号 QbitAI
需要说明的是，EgoTouch解决灵巧操作的触觉数据资源怎么采；
沿着这条路线，出生于1998年的年轻教授杨朔创办了
98年哈工大教授创业，要做人形灵巧操作世界大模型
△EgoTouch第一人称视觉-触觉数据采集系统
行业观察人士认为，这将成为未来竞争的关键赛道。
另一方面，搭建一套从数据资源、模型到控制的完整能力链。
伴随技术不断成熟，商业化落地进程也在加快。
EgoTouch解决的是触觉数据怎么采。
这三项工作连起来，构成了一条清晰路线：
从数据到世界模型、再到全身控制的能力链
从采集触觉，到对齐触觉，再到使用触觉
但这条路线仍然缺一层关键信息：触觉。
破晓智能（PHANES 人工智能）
前两个问题，分别指向数据和本体。
整理编辑：硅基前哨