Reward AI 是一家由斯坦福团队背景成员创办的机器人创业公司，这家公司近期做了两件事：发布了一款 7 自由度的可穿戴触觉手套 Omnibody Hand，并配套训练出通用操作策略 OM-1—— 只用人类演示数据，不依赖遥操作数据，也不依赖机器人本体数据。

值得一提的是，这只手套外观紧凑、机械感很强，和常见的柔性数据手套不同；看图时它容易被误认为是机器人末端执行器，但按官方描述，它是人佩戴的可穿戴设备，部署阶段才由机械臂、人形机器人等本体执行学到的动作。

对国内产业人来说，这只手套值得关注的点，不在于 "又一款新品"，而在于它强化了一条数据哲学：机器人的训练数据，或许从人身上采集的已经够用，而无需再从机器人身上采集。

从桌面机械臂到双足人形机器人：Reward AI 的 OM-1 可在各种物理形态上运行，无需针对特定机器人进行微调即可管理传送带分拣和多对象交接

一、Reward AI 是谁：斯坦福系的技术底子

Reward AI 团队此前深度参与过 DexCap、HumanPlus、ALOHA 等多个知名具身智能项目，技术血统清晰。

其中最关键的是 DexCap—— 由 Chen Wang、Karen Liu、李飞飞等人提出的便携式手部动作捕捉系统，用特制手套捕捉手部运动数据，让灵巧手学会泡茶、剪纸等任务。Omnibody Hand 正是这一技术路线的延续：从斯坦福实验室走向产业化的可穿戴数据采集方案。

与 DexCap 相比，Omnibody Hand 走得更彻底：DexCap 在策略执行阶段仍保留遥操作修正模式，而 OM-1 的训练完全剔除遥操作与机器人本体数据，实现 "纯人类演示" 学习。

二、Omnibody Hand 在采集什么：7 个自由度的 "减法"

Omnibody Hand 的第一印象是克制。它没有机械复制人手的全部关节，而是用 7 个自由度保留最关键的功能：拇指与食指完成精细捏取，多根手指协同发力，并能在精确抓取与力量抓取之间切换。

人佩戴它并以自然速度操作时，设备同步记录四类关键信号：

• 触觉传感：高频采集，在接触阶段判断物体是否被稳定抓握；
• 接近感知：覆盖接触前 0—10mm，决定 "何时发起抓取"；
• 手持摄像头：采用全局快门，在快速运动中保持画面上下文；
• 电磁 + 视觉惯性追踪：全程记录手部 6 自由度位姿，另有力量信号覆盖拉门、提重物等发力场景。

换句话说，模型学到的不只是 "手移动到了哪里"，还包括什么时候接触、物体是否抓稳、用了多大力—— 这套多模态信息，正是此前多数数据采集方案缺失的部分。

三、核心立场：为什么遥操作和平行夹爪会 "污染数据"

Reward AI 的理念，源于对行业内主流数据采集方式的反思。

先说遥操作——就是让人通过操纵杆或手柄来遥控机器人。问题是，人的动作需要先“转换”成机器能理解的指令，这个过程里，空间感知对不上、没有真实的触觉反馈，动作节奏也会变慢。最终采集到的数据带着明显的“机械感”，而不是人类自然的动作习惯。

再说平行夹爪——这个设计本身就有更深的缺陷。它和人手的结构完全不同，抓东西的逻辑也跟人用手指捏取差得很远。用这种方式收集的数据，几乎没法用在灵巧手或者人形机器人上。

Reward AI 的做法是跳过所有这些中间步骤：直接从人身上获取数据。

人戴上手套做自然操作，触觉、力度、动作的先后顺序这些直觉反应都被完整记录下来，不需要任何硬件层面的“翻译”，直接输送给模型。

四、OM-1：从人类数据到跨本体策略

OM-1 的完整链路是：Omnibody Hand 负责采集，OM-1 负责学习与执行。

模型之下还有一层独立的控制层，在仿真环境中用强化学习训练，负责把 OM-1 的意图动作翻译成具体机器人的关节指令。

正是这层 "翻译器"，让同一套策略能零样本迁移到不同本体 —— 桌面机械臂、工业臂、人形机器人，并以接近人手的 1 倍速运行。演示场景中，机器人调酒、包装、精细抓取、拔网线、双手打包，均全自动完成。

对产业而言，这套架构最有想象力的部分在于：数据开始摆脱硬件绑定。过去，采数据的机器人是什么型号，模型就只能服务什么型号；"人类数据 → 单一策略 → 任意本体" 的链路一旦跑通，数据就变成了可复用的通用资产。

结语

Reward AI 的叙事之所以值得国内产业关注，是因为它把机器人训练这件事，从 "工程师遥控机械臂反复试错"，重新定义为 "熟练工人戴上手套正常干活"。

当数据源头从机器人移向人类，具身智能的数据供给逻辑，或许真的会被改写。这只 7 自由度手套，正是观察这一变化的绝佳切面。

2025年，人形机器人产业迎来爆发拐点。特斯拉Optimus量产在即，华为、宇树等企业加速技术突破，行业正从“实验室研发”向“规模化落地”跃迁为打通产业链上下游协作壁垒，艾邦机器人正式组建"人形机器人全产业链交流群"，覆盖金属材料、复合材料、传感器、电机、减速器等全硬件环节，助力企业精准对接资源、共享前沿技术！

扫码关注公众号，底部菜单申请进群