章魚動力（SynapX）作為物理AI賽道備受矚目的新銳勢力，受邀亮相本次大會，正式發布并展出由SYNWorld具身原生世界基礎模型、OctoH-Hand高自由度仿生靈巧手、OctoSense下一代具身數采方案共同構成的"腦-手-數據"技術體系，完整呈現對下一代物理AI技術路線的深度創新探索。

三大產品技術矩陣重磅發布

伴隨著"AI進入物理世界"成為行業共識，具身智能已躋身全行業聚焦關注、緊迫投入的核心方向。章魚動力圍繞"腦-手-數據"搭建的獨創技術體系，則為全行業探索具身智能落地范式，提供了一條全新路徑。

在本次大會上，章魚動力重磅首發以"腦-手-數據"為內核的三大產品技術矩陣。

其中，"腦"即 SYNWorld 通用世界基礎模型，承擔機器人的認知、推演與決策職能，讓機器人理解不同任務背后共同的物理規律，顛覆性實現跨場景、跨本體的能力泛化與遷移。

"手"即OctoH?Hand 高自由度仿生靈巧手，是機器人與物理世界交互的載體，基于突破行業瓶頸的運動與操作能力，賦能機器人完成各類精細且復雜的操作任務。

"數據"即OctoSense下一代具身數采方案，全球首次實現肌電跨個體零樣本泛化，讓肌電跨越個體，讓人類操作數據近乎無損地對齊真機，讓每一次真實操作都成為機器人可以學習的經驗。

章魚動力CEO都大龍表示，傳統機器人大多依靠預設的數字程序完成工作，難以應對復雜、多變的真實業務環境。面向未來，下一代機器人必須真正走進物理世界，兼具環境理解、落地操作與持續自主迭代能力，才能真正適配技術進程與產業要求。

"章魚動力在做的事，就是以通用世界基礎模型和通用靈巧手，構建物理世界的通用生產力，更好地賦能物理世界的下一次智能躍遷。"

"腦-手-數據"協同構建生產力飛輪

在本次大會的展位上，章魚動力帶來的系列產品與演示，則完整展現了"腦-手-數據"協同工作的物理世界通用生產力基礎設施。

現場觀眾通過"腦"SYNWorld在烤面包、疊衣服、精細化拼圖等場景的演示，可以直觀理解SYNWorld延展出的兩條能力路線（ACWM動作可控世界模型和WAM世界動作模型），并感知一個模型如何同時理解并作用于物理世界。

"手"OctoH-Hand產品實物，現場展示了行業領先的精度、柔順性與可靠性，通過"一手多能"系列場景操作，實現多指協同、拇指對掌、指尖精細操作與復雜抓握，呈現出直逼人手的高自由度、多模態感知與柔順力控能力。

在"數據"OctoSense數采方案展臺，觀眾則可以實際佩戴章魚動力魚眼頭環、肌電手環和外骨骼同構數采手套三種硬件，體驗在手部、物體和環境之間建立真實三維尺度，以及人手動作幾乎無損直達靈巧手真機等完整鏈路。

章魚動力主張，"腦-手-數據"三者并非獨立模塊，而是共同構成"數據采集—世界理解—策略生成—真實反饋"的完整閉環。只有"數據"采集可泛化、高精準、可訓練，"大腦"能夠理解物理規律、判斷任務目標并生成動作策略，驅動通用靈巧手在開放環境中持續感知、推演、決策與行動，機器人才能超越預設動作，真正邁向物理AGI。

產業資本領袖共聚具身熱土

章魚動力聯創團隊均為成功的連續創業者，核心團隊也來自地平線、百度、微軟、阿里、字節、蔚來等頂尖大廠，兼具前沿AI研究、技術研發與規模化量產能力，擁有滿級"護城河"。

也正因如此，章魚動力才能在三個月內快速斬獲近10億元融資，獲得地平線、高瓴創投、小米戰投、錦秋基金、芯聯資本、黃浦江資本、厚雪資本等頂級投資機構的深度認可與押注。

發布會上，地平線創始人兼CEO余凱、四維圖新CEO程鵬、線性資本創始人兼CEO王淮、百度集團副總裁袁佛玉、新動能投資董事長王家恒、芯聯資本創始人袁鋒等產業與資本領袖，也齊聚現場，共同探討通用人工智能走出屏幕、進入現實的未來路徑。

當AI的能力邊界從數字空間延伸至物理現實，機器人與真實業務的融合，正在開啟全新的產業周期。高級階段的物理AI一定不只是單點技術的勝利，而是模型、硬件與數據協同演進的系統性工程。

基于此次重磅亮相WRC 2026里程碑，章魚動力將繼續以Scaling迭代"腦-手-數據"生產力飛輪，探索與深耕AI理解物理世界、作用于物理世界的可行范式，打造新一代具身智能的基礎設施，為構建物理世界的通用生產力持續貢獻力量。

在世界機器人大會（WRC）前夕，章魚動力給出了答案：SynEMG 肌電大模型全球首次面向具身數據采集實現肌電跨個體零樣本泛化，真正讓肌電從"一模一人"，走向"一模千人"。面對沒有進入訓練集的新個體，模型無需新增個體數據、無需增量訓練，即可恢復手部姿態和發力狀態。

圍繞具身數據，章魚動力正式推出 OctoSense 數采產品：以魚眼頭環、肌電手環和外骨骼同構數采手套為核心硬件，形成 OctoS-Ego、OctoS-EgoBio、OctoS-DexUMI 三大數采方案。三大方案均已完成產品化，可以實際體驗。

魚眼頭環通過四顆魚眼相機記錄第一視角視覺，并由 AI Native 雙目空間大模型恢復真實尺度與三維深度。

肌電手環采集前臂肌電信號，并由 SynEMG 肌電大模型恢復手部姿態與發力狀態。

外骨骼同構數采手套直接采集人手驅動的操作數據，并近乎無損地對齊靈巧手真機。

在 SYNData 模型算法與數據工程能力支撐下，三大方案采集的視覺、肌電及其他傳感器數據，經過物理信息恢復、多模態對齊與切片、質量清洗和語義信息生成，最終形成標準化、可追溯的數據集并交付下游使用。

• 真正稀缺的不只是原始數據，更是可訓練數據

具身智能的數據采集規模正在快速增長，但總量增長并不等于模型能力同步增長。大量原始數據會因為多模態時間戳錯位、三維尺度漂移、遮擋下的姿態與力信息缺失、標注不完整等問題，無法進入訓練。

章魚動力正式提出具身數據的價值公式：具身數據價值 = 物理完備度 × 場景多樣度 × 采集規模 × 數據質量。

這四項不是相加，而是相乘。只要其中一項接近零，數據的整體價值就會被大幅削弱。因此，具身數據系統必須同時回答：如何構建數據采集路徑，以及如何將原始數據處理為可訓練的數據資產。

• OctoSense：三種采集硬件，三大數采方案

OctoSense 是一套以真實人類操作為中心建立的數采產品體系。魚眼頭環、肌電手環和外骨骼同構數采手套三種硬件各自解決一類關鍵缺口，三種硬件通過不同組合，形成三大互補的數采方案：

三大方案并不是互相替代，而是在行為自然度、采集規模、物理模態完整度與真值精度之間提供不同組合；通過不同的組合實現具身數據價值公式的最大化。

01｜SYNEMG 肌電大模型：全球首次實現肌電跨個體零樣本泛化

• 視覺難以獲取遮擋下的手部姿態與真實發力

在真實操作中，手部經常被遮擋；即使動作可見，視覺也很難直接判斷操作者是否發力以及發力大小。

肌電信號來自肌肉活動，并先于可見動作出現。它能夠為模型補充兩類視覺難以獲取的信息：遮擋下的手部姿態和手部發力狀態。

• 肌電規模化的真正難題，是"換一個人還能不能用"

不同人的肌肉結構、皮膚狀態、發力習慣并不相同。傳統肌電模型通常圍繞固定用戶和固定任務訓練，這讓肌電長期停留在"小規模實驗狀態"：如果每增加新個體，都要新增一輪個體數據、訓練和校準，那么具身數據采集就很難進行規模化擴展。

SYNEMG 肌電大模型徹底改變了這一狀態。

章魚動力以大規模無標注多通道時序信號進行自監督預訓練，讓模型先學習跨個體、跨佩戴狀態的通用肌電表征，再遷移到手勢識別、連續手部運動恢復和發力狀態估計等任務。從不同信號分布中學習可以遷移的共同結構，從而對個體差異、佩戴位置和長時間漂移保持魯棒。

SYNEMG 全球首次面向具身數據采集實現肌電跨個體零樣本泛化：

• 零數據泛化：新個體無需提供新增訓練數據、無需微調標定，佩戴即用。
• 跨個體姿態恢復：同一模型可精準恢復不同個體的手部姿態和發力狀態。
• 極致精度突破：SynEMG 在零樣本跨人姿態重建上誤差降低 50%，率先實現了毫米級的絕對定位精度。
• 端到端規模化：肌電突破不再只是"識別更準"，而是真正從"一模一人"走向"一模千人"，支撐具身數據的高效規模化采集。

當魚眼頭環第一視角視覺與肌電手環結合，OctoS-EgoBio方案能夠在手部被遮擋時繼續恢復手部狀態，并獲得毫米級關節點與 0.1 N 級主動發力，讓一次操作不再只有"看見了什么"，還包含"手部如何運動"和"實際用了多大力"。同時因為手部保持自然裸露，具備超過傳統真機采集方式 1000 倍效率的規模化潛力。

02｜外骨骼同構數采手套：讓人手動作與發力，近乎無損直達靈巧手真機

OctoS-Ego 與 OctoS-EgoBio 適用于規模更大、場景更多樣、行為自然度更高的采集需求，例如預訓練數據采集；對于后訓練等對物理真值要求更高的任務，外骨骼同構數采手套則進一步提升數據精度。

它能夠同步記錄全掌接觸力分布和亞毫米級手部姿態。更關鍵的是，外骨骼同構數采手套與章魚動力自研靈巧手采用相同的關節自由度和運動結構，采集端與靈巧手本體采用一體化同構設計。

為什么"同構"比單純的"高精度"更重要

通常，除真機遙操采集外，無本體操作數據要被機器人使用，需要經過跨本體重定向（Retargeting）：將手部動作轉換到關節數量、自由度、運動范圍和結構都不盡相同的靈巧手上。這個過程會引入形變與誤差，動作可以被"掰"過去，但原始接觸關系、力分布和精細關節狀態很難完全轉換。

這就是 Retargeting Gap，它不是后處理多做幾步就能徹底消除的問題，而是由采集端與執行端結構差異帶來的先天損失。

外骨骼同構數采手套從源頭消除這道鴻溝：人手作為動力驅動數采手套完成操作，當數采手套與靈巧手完全同構，那么采集得到的操作數據就能與靈巧手以近乎 1:1 的關系對齊。

魚眼頭環與外骨骼同構數采手套組合形成的 OctoS-DexUMI 方案，其價值不只是"采得更準"，更是讓靈巧操作數據從采集之初就成為靈巧手能夠直接使用的數據。

03｜魚眼頭環：四魚眼顯著降低手部出畫，魚眼雙目大模型給出真實三維尺度

具身操作不僅需要動作與發力，還需要知道操作者看見了什么、目標在哪里，以及動作發生在怎樣的空間關系中。

單顆普通廣角相機的視野有限，雙手在大幅移動時容易出畫；同時，單目圖像缺少尺度信息，難以恢復真實空間尺度與距離。

章魚動力頭環集成了四顆魚眼相機：前方兩顆、左右兩側各一顆，形成約 330°×150° 的大視場，覆蓋雙手、操作對象與周圍環境。對于走動、轉身、伸手取物等移動操作，環視視場能夠顯著降低手部離開畫面的概率。

前視兩顆魚眼組成立體雙目系統，基線為 60 mm。借助 AI Native 雙目空間大模型，系統能夠基于魚眼圖像恢復真實尺度與三維深度，并在保留大視場的同時實現毫米級深度估計精度，為手部、物體和環境之間建立真實三維尺度。四魚眼解決"看不全"，前視雙目解決"量不準"。

04｜SYNData：模型算法與數據工程，讓采集數據成為標準化數據集

硬件決定數據采不采得到，SYNData 決定采回來的數據最終能不能用。

SYNData 不只是一個數據處理平臺，而是一套由模型算法和數據工程共同支撐的數據系統。它從圖像、肌電和其他傳感器信號中計算操作的物理狀態與語義信息，并進一步完成多模態對齊、切片、清洗和組織，最終形成標準化、可追溯的數據集。

經過 SYNData 處理，OctoSense 三大方案采集的數據不再只是零散的視頻和傳感器信號，而是物理信息更加完整、多種模態相互對應、質量結果有據可查，并可供下游檢索和復用的數據資產。

OctoSense 負責完整記錄真實操作，SYNData 負責將多模態采集數據計算、組織為可用的數據集。

• 從"采集一次真實操作"，到"沉淀一段機器人經驗"

回到最開始的乘式：具身數據價值 = 物理完備度 × 場景多樣度 × 采集規模 × 數據質量。

SYNEMG 肌電大模型解決跨個體泛化，讓肌電擺脫逐人訓練和標定；外骨骼同構數采手套解決跨本體對齊，讓無本體操作數據近乎無損直達靈巧手真機；四魚眼頭環以雙目補全第一視角視覺和三維尺度；SYNData 則通過模型算法與數據工程，將多模態采集數據轉化為標準化、可追溯的數據集。

OctoS-Ego、OctoS-EgoBio、OctoS-DexUMI 三大方案覆蓋不同的采集需求，SYNData 為它們提供統一的數據計算、處理與交付能力。兩者共同把一次真實操作，沉淀為機器人可以使用的數據。

讓肌電跨越個體，讓人類操作數據近乎無損地對齊真機，讓每一次真實操作都成為機器人可以學習的經驗。

章魚以敏銳感知與靈活腕足，在黑暗中觸碰環境，調整動作，理解世界。

而人類經過漫長的進化，擁有了一雙足夠靈巧的手。

當今的人類世界，也天然圍繞雙手構建：瓶蓋的尺寸、螺紋與開啟方式，筷子的形態與使用邏輯，以及門把手、工具和家電的交互方式，無不建立在人手的構型與能力之上。

因此，讓機器人真正進入人類世界，最有效的路徑不是重新創造一個適配機器的環境，而是賦予機器人一雙能夠適配現有世界的手。

靈巧手也由此不再只是機器人的執行末端。它既要把模型生成的動作轉化為真實操作，也要把接觸、受力和運動結果反饋給模型，成為具身智能與物理世界雙向交互的接口。

章魚動力相信：機器人的手不應只是執行器，而應成為AI學習與進化的起點——以物理觸碰理解世界，以極致通用改變世界。

頂級玩家的共識

從特斯拉Optimus到1X NEO，全球具身智能頭部玩家的新一代靈巧手正在呈現出清晰的技術趨同：采用腱繩傳動，將執行器后置于小臂，以接近人類肌肉與肌腱的方式驅動手部關節。

這并非偶然。人手之所以能夠在有限尺寸內兼具靈巧、輕量與柔順，關鍵就在于肌肉主要分布于前臂，并通過肌腱驅動手指。繩驅靈巧手沿用了這一仿生邏輯：將重量與體積更大的驅動單元移出手掌，在接近人手尺度的空間內實現更多自由度，同時降低手部重量與運動慣量，為精細操作和安全接觸創造條件。

由此，行業共識正從"機器人需要一雙手"走向"機器人需要一雙更仿生、更通用的手"——高度仿生的繩驅靈巧手，正成為通用人形機器人連接智能大腦與物理世界的關鍵載體。

對比直驅、連桿等其他靈巧手類型，繩驅手存在以下技術難點：

• 傳動鏈路復雜導致集成難度高
• 繩索蠕變導致定位精度較低
• 繩索摩擦模型和彈性形變模型高度非線性導致控制難度高

章魚動力首次亮相就挑戰行業最難，將在WRC發布OctoHardware硬件系列的首款產品——全棧自研的繩驅高自由度仿生靈巧手產品 OctoH-Hand。

依托在具身大腦與數據采集領域的技術積累，章魚動力通過硬件和模型算法的協同設計，攻克繩驅系統中的非線性建模與控制難題，持續提升靈巧手的精度、柔順性與可靠性。OctoH-Hand不僅將大腦決策轉化為真實動作，也將觸覺、力覺與運動反饋持續送回模型，成為連接智能與物理世界的通用物理API。

相較于行業現有方案，OctoH-Hand具有以下優勢：

• 融合章魚動力已經推出的OctoSense數采矩陣，突破高自由度靈巧手落地的數據瓶頸
• 極致仿生，解決抓取對象通用性問題
• 全閉環力控，解決觸碰環境的感知問題
• 繩驅彈性和張力緩沖，帶來極致的柔順性與安全性

首創"數采孿生"：跨越數據鴻溝，即采即用

具身智能訓練長期面對一道隱形鴻溝：人的動作可以被采集，但采集到的數據往往無法直接用于機器人。

OctoH-Hand采用"腦-手-數據"一體設計，在行業內首創"數采孿生"解決方案。

由于數采設備與靈巧手在關節構型、自由度定義和感知方式上存在差異，傳統方案通常需要經過運動重定向、參數映射和反復調試，才能將人的示教轉化為機器人可執行的動作。鏈路越長，信息損失、誤差累積和工程成本就越難避免。

為解決這一問題，章魚動力提出"數采孿生"方案。OctoS-DexUMI外骨骼數據采集手套與OctoH-Hand五指靈巧手，采用一一對應的運動構型、自由度定義與感知配置。執行同一任務時，數采手套采集到的關節角度、觸覺、力、視覺信息可直接作為控制信號導入靈巧手系統，穩定復現整個任務過程。

這一設計從根本上跨越了傳統數據采集中的重定向鴻溝，實現所采數據可直接復現，顯著提升數據質量與采集效率，為機器人操作技能的快速學習與規模化部署提供了堅實的數據基礎設施。

數據不只被記錄，更能夠被執行。

極致仿生：從尺寸到運動，形神兼備

讓機器人學習人手的操作技能，首先需要一雙在結構和運動能力上足夠接近人手的靈巧手。

仿生因此不只是外形模仿，而是數據、模型與真實操作之間的共同坐標系。只有當人手與機器手具備相近的尺寸、關節關系和運動能力，人類世界中積累的大量操作經驗才更容易被機器人學習和復現。靈巧手的極致仿生，是大腦進化加速的最佳答案。

在仿生設計上，OctoH-Hand追求"形真"與"神似"的統一。

"形真"，來自對人手尺度與驅動原理的系統復現。OctoH-Hand整體尺寸與關節比例參照成年人的手部結構，在有限空間內集成腱繩傳動機構、關節角度傳感器與觸覺傳感器；手部執行器遠置于小臂，通過類似肌肉與肌腱的方式驅動關節，在降低手部重量與運動慣量的同時，為精細操作保留充分的運動空間。

"神似"，來自接近人手的運動能力。OctoH-Hand采用手部n+1全腱繩驅動與小臂電機直驅的混合驅動方式，共集成28個獨立可控執行器，實現23個主動自由度，支持多指協同、拇指對掌、指尖精細操作與復雜抓握，運動與操作能力突破行業瓶頸直逼人手。

全閉環力控：真正做到"跟著感覺走"

運動能力決定機器人能不能完成動作，感知能力則決定它能不能把動作做得穩定、細膩且安全。

OctoH-Hand在手掌和手指表面集成了超過1900個觸覺傳感單元，陣列間距≤1mm，達到行業領先水平。獨特的多層式感知結構設計實現觸覺手套感知信號零滑移偏差，確保接觸信息的穩定一致，構筑精準且可靠的物理信息接口。

在控制層面，OctoH-Hand基于關節可反驅的機電特性，融合關節電流環反饋與觸覺雙重力感知信號，構建了從內部驅動力到外部接觸力的真正全閉環力控系統。以關節驅動力、速度、加速度的融合信號為前饋，結合關節位置和觸覺信號包含的精細接觸特征，建立高精度力學運動控制模型，實現帶電反驅與零力拖動等多種復雜交互。

執行器可反驅設計，使外力引起電機電流波動即可實現力感知。結合手掌與手指表面覆蓋的大面積觸覺陣列，以及腕部隨動相機，感知維度躍升至超人水平，讓機器人能夠真正"跟著感覺走"，完成各類精細且復雜的操作任務。

性能優化：軟硬兼施帶來"超長巔峰期"

對于真正走向產業應用的靈巧手，完成一次高難度動作并不是終點。能否在產品全周期內持續保持精度、穩定性和安全性，才是從實驗室演示走向真實場景的關鍵。

在可靠性方面，OctoH-Hand通過協同底層硬件的設計改良與底層軟件的參數辨識，實現了平均無故障工作時間（MTBF）1000小時的"超長巔峰期"。

而針對腱繩系統蠕變帶來的傳動精度問題，OctoH-Hand從材料、結構與算法三個層面進行協同優化。

硬件層面，OctoH-Hand選用鎢合金腱繩，并采用直線執行器作為動力源；通過優化腱繩導向路徑和導向件表面涂層，顯著降低同等作用力下的腱繩蠕變、摩擦與結構磨損，同時為后續補償算法預留充足的執行器行程空間。

算法層面，OctoH-Hand在底層運動控制模型中加入蠕變辨識算法，通過參數自整定與控制指令實時補償，實現全周期內重復定位精度穩定≤0.1mm，以及亞毫米級絕對定位精度。

同時，機械反驅設計使其在無供電狀態下仍可被動反驅，能夠降低意外碰撞帶來的沖擊，為人機共處和復雜環境作業提供額外安全保障。

一手多能：覆蓋工業、家庭、服務、物流多種場景

憑借高自由度、多模態感知與柔順力控能力，OctoH-Hand可廣泛面向多種場景與應用，真正實現"一手多能"。

但"一手多能"還不是完整答案，"腦手一體"才是章魚動力要構建的最終閉環。

只有當"大腦"能夠理解物理規律、判斷任務目標并生成動作策略，驅動通用靈巧手在開放環境中持續感知、推演、決策與行動，機器人才能超越預設動作，真正邁向物理AGI。

章魚動力將在世界機器人大會（WRC）首日，正式發布三大技術與產品：具身原生世界基礎模型SYNWorld、OctoH-Hand高自由度仿生靈巧手、OctoSense下一代具身數采方案，共同構成"數據采集—世界理解—策略生成—真實反饋"的完整閉環。

讓智能，不止于理解世界，更能夠進入世界。