新加坡物理人工智能企业Ropedia今日宣布推出新一代多模态数据采集系统HOMIE Gen2，标志着具身智能领域正式进入"经验规模化"新阶段。这款历时十二个月研发的第四代硬件设备，将通过工业化采集人类物理世界经验，为机器人训练提供高质量数据支撑，破解当前AI在现实场景中"知行分离"的困境。
传统AI系统在虚拟空间展现惊人能力，却在物理操作中屡屡受挫。南洋理工大学副教授、Ropedia联合创始人刘子纬指出："现有模型读过海量文本，却从未真正冲泡过咖啡。它们能描述动作流程，却无法感知力度变化、温度反馈等关键物理信息。"这种认知断层导致机器人难以完成可靠抓取等基础操作，暴露出数字数据与物理经验的结构性矛盾。
HOMIE Gen2的创新在于构建了完整的经验采集体系。设备通过4目全景摄像头实现360度环境覆盖，配合4路空间音频系统，同步记录操作过程中的视觉、听觉、触觉等多维度信息。其13小时连续工作能力与380克轻量化设计，支持在家庭、工厂等开放场景进行无干扰采集。经实测，该设备空间定位误差控制在千分之二以内，手部动作捕捉精度达4.68毫米，数据可直接用于模型训练。
区别于传统遥操作的数据采集模式，Ropedia开创了"无本体采集"新路径。陈昭熹解释道："我们将数据产能绑定在人类数量而非机器人保有量上，利用全球数十亿人日常活动构建采集网络。"这种模式使数据采集成本降至行业平均水平的十二分之一，部署效率提升10倍。此前发布的Xperience-10M数据集已包含1000万个真实交互片段，验证了规模化经验采集的可行性。
设备迭代史折射出技术突破轨迹。从2025年用3D打印制作的"竹蜻蜓"原型，到如今具备工业级精度的HOMIE Gen2，研发团队完成了四次硬件革新。最新产品不仅支持十余种模态数据同步采集，更通过智能体驱动的数据流水线，实现从原始信号到训练数据的全自动化处理。这种"端到端"设计使客户无需二次开发即可获得结构化经验数据。
在Ropedia的技术蓝图中，HOMIE系列设备只是基础设施的入口。公司正在构建包含硬件采集、数据处理、模型训练的三层架构体系。通过自有数据训练的多模态模型，既能自动标注新采集的经验数据，又能反馈优化硬件性能，形成持续进化的技术闭环。这种模式已产生显著成效：Xperience-10M数据集包含28.8亿RGB帧和5.76亿动作捕捉帧，总规模接近1PB，为行业树立了新的数据标准。
