2026世界机器人大会（WRC）期间，奥比中光举行“多维感知”新品发布会，无本体数据采集硬件矩阵首次集中亮相，机器人视觉新品Physis系列正式发布。

这也是奥比中光进一步向物理AI两大基础设施延伸的重要一步：一方面，以全模态无本体数据采集平台打造具身数据硬件基座，让高质量真实交互数据更高效地进入模型训练与机器人验证；另一方面，以Physis为具身智能系统提供贴近人类的视觉感知能力，在大视野、高质量成像、真实空间感知与高可靠性之间实现极致平衡。

真实场景中的复杂交互——不同材质、光照、遮挡以及大量长尾操作——正是物理AI持续学习所需却十分稀缺的数据来源。围绕这一挑战，奥比中光提出“4R”具身数据采集产品力主张：Real、Reliable、Rich、Ready。Real（真实），数据价值的起点，以真实交互数据覆盖复杂材质、光照、遮挡与长尾操作。Reliable（可靠），决定真实数据能否持续生产。Rich（丰富），多模态精确对齐，决定数据质量。Ready（就绪），上述指标共同指向统一目标，让数据真正实现规模化、生产级交付。

目前，奥比中光数据采集硬件平台已服务多家国内外行业客户，提供的不只是采集工具，而是一套统一的硬件入口，向上整合核心器件，向下服务模型、本体与应用伙伴，与产业上下游共同推动物理AI从实验室走向规模化落地。

此次发布的机器人视觉新品Physis系列，聚焦对具身智能至关重要的问题：机器人如何获得贴近人类的视觉感知能力。

Physis系列首发产品包括瞳距RGB双目（Physis 257g）与单目RGB（Physis 157g），以与人眼相同的被动成像方式采集可见光与自然纹理，提供包括大FOV彩色和深度成像在内的多模态感知能力。

此外，奥比中光此次还带来新款双目3D相机Gemini 338Le与Gemini 338Lg，两款产品具备更强的抗环境光干扰能力，并分别采用工业级千兆以太网接口和GMSL2/FAKRA高速连接方案，满足工业、物流等复杂作业场景的差异化需求。

奥比中光创始人、董事长兼CEO黄源浩博士出席大会主论坛，围绕“世界模型到服务人类的现实距离”主题展开交流。

黄源浩指出，大语言模型只能语言交付，世界模型能够让机器人、具身智能真正干活，帮助解决劳动力问题，GPT可能只能诗和远方，世界模型是能够干活。真正机器人能为人类干脏活、苦活、累活，但本体，手的执行能力、传感器等各方面都要准备好，目前要提升的空间还挺多的，从模型到数据到本体的执行都要不断进步。机器人可以先从最需要的方向、人类不愿意干的活先落地，待机器人泛化性好了、智能高了，再往更多场景去渗透。

他指出，数字智能是大算力大数据催生的，大算力来自英伟达等企业；大数据来自于互联网，有非常多的数据。但具身智能，尤其是真人操作的数据历史积累非常少，真机遥操成本很高，具身智能数据最终要来自于跟人学习，学习到人的技能。

“最近，数据特别火，我们公司销售各种采集数据的设备，客户需求非常着急，有了数据，大模型就迭代快，模型和数据是王者通吃的市场，数据非常非常重要。”黄源浩说。

但他指出，当下的问题是，数据的质量参差不齐，数据标准也不统一。机器人和人学习两个方面，一个是移动的，现在已经做的很好了，强化训练学习就可以了，另一个是操作，拧螺丝、钉钉子等灵巧操作数据非常少，机器人非常需要这些数据。

尽管一些视频，包括第一视角的视频也能提供一些数据，但黄源浩认为，这还欠缺触觉，目前触觉手套还不太成熟，眼睛采到的数据，与手套数据差15毫秒就对不上，而且力的精度也不足。

黄源浩还指出，当下，空间智能如3D空间复原的数据，甚至视场角度放大缩小也能做到，但手以什么样的姿态、在哪个位置、力是多少、操作物体什么状态，只有把数据完整的记录下来数据才可跨本体复用、跨模型复用，数据成本才会降下来。

他强调，数据飞轮的转动是最重要的，大量的数据是真人素材和强化训练真机素材，但有一套设备、一套标准同步要做到什么样，不同机器人或者不同数采员拿到数据能不能复用，需要尽早制定标准。

南方+记者 郜小平