Gen DAS Dex 正式发布：破解具身数据难题，从学习人类的双手开始

在虚拟Agent时代，模型依托文本、图像与视频数据实现跨越式发展，语言智能、视觉智能走向成熟。 但当 AI 真正进入物理世界、要让机器人像人一样灵巧干活时，需要在open-world场景、有交互的处理多样类型的任务。 所以从更底层能力来看，具身智能需要的不只video/language层面，而是在真实生活中认知、行动、产生交互，并根据物理反馈持续思考与迭代。 这就意味着具身智能需要学习的，不是一段视频，而是在真实生活中、自然多样的Human Data。 今天，简智正式发布Gen DAS Dex（以下简称 Dex）—— 实现人手全模态感知与行为的高精度重建，并与Ego 配合，革新“Human Data”数据范式，为具身智能提供覆盖 “头 + 手” 全场景、精细化、可直接训练的灵巧行为数据底座。 01 为什么今天的具身智能，需要 Dex 这样的“手”？ 人类五指经过数百万年进化，形成27 块骨骼 + 34 块肌肉 + 24 个自由度的精密结构，是面对复杂、多样灵巧操作的“通用接口”；同时现实生活中大量五指操作，也为模型训练提供了丰富的样本与实例。 那么如何将手的行为转化为可被理解、训练的数据，面临的是多维度的叠加挑战： 1.高质量、自由度的灵巧手数据极度稀缺：多是视觉片段，缺少关节角度、且指尖空间精度停留在2-3cm，误差大，有效数据供给远不及产业需求。 2.多模态无法兼备、对齐：视觉、动作、触觉不完整、不同步，时序错位、空间不准， downstream 模型难以训练、无法泛化。 3.采集设备与自然动作冲突：笨重、遮挡、负重感强，导致动作变形，数据失真，无法长期大规模采集。 4.头和手独立存在，而非形成“认知+行为的闭环”：仅靠头视角：看得见，却摸不准，精细操作彻底失效，或者只有手摸得准，却看不全，全局操作极易出错。这些无法构成人行为的物理交互的时空闭环。 5.无法规模化，走出实验室：遥操、动捕等方式都需要巨大成本布置场地，无法进入生活、进入