【小哈划重点：Ropedia于2025年下半年在新加坡成立，致力于为机器人、空间、物理智能等领域提供新一代数据采集与解决方案。目前，Ropedia客户覆盖北美十多家头部具身智能和空间智能公司，公司现阶段已形成“采集设备+数据服务+标准化交付”的综合模式...】
用算法能力反向定义采集能力。
面向机器人与空间智能领域的数据基础设施服务商——Ropedia完成了千万美金级种子轮融资。本轮融资由多位来自谷歌，英伟达，亚马逊的北美天使投资人和亚洲头部美元基金联合投资，深渡资本担任长期独家财务顾问。资金将主要用于核心技术团队扩建、现有产品量产交付，以及市场的持续拓展。
Ropedia于2025年下半年在新加坡成立，致力于为机器人、空间、物理智能等领域提供新一代数据采集与解决方案。
Ropedia由三位联合创始人创立：CEO陈昭熹博士（清华大学本科，南洋理工大学博士，曾在Meta参与光学动捕数据体系搭建）、CTO洪方舟博士（清华大学本科，南洋理工大学博士，曾在Meta从事第一人称多模态智能研究）和首席科学家刘子纬教授（南洋理工大学副教授，计算机视觉领域知名学者，谷歌学术引用超9万次）。此外，南洋理工大学校长讲席教授、CVPR 2026程序大会主席吕健勤担任科学委员会主席。
据陈昭熹介绍，未来十年，智能将打破屏幕的桎梏，来到真实物理世界。但是，就像二维生物无法理解三维生物，通用物理智能无法从低维的互联网数据中获得，而是从三维世界中的交互体验中习得。
与传统意义上的数据采集公司或硬件公司不同，Ropedia旨在构建面向机器人与空间智能的物理世界数据基础设施，通过低门槛采集设备获取真实世界多模态信号，结合自研空间基础模型，将原始数据转化为可直接进入训练与评测流程的数据产品。
当AI开始从数字世界走向物理世界，行业对数据的要求也在发生变化。相比过去以视频和图文对为主的数据形式，机器人与空间智能模型越来越需要具备真实物理尺度、动态交互过程、人体与物体关系、场景结构和任务语义的高质量数据。
但这类数据长期存在两个难题：一是采集成本高，通常依赖昂贵设备和复杂部署；二是即便采到了原始信号，距离真正可用于训练的结构化数据仍然隔着很长一条链路。
因此，在技术路径上，Ropedia选择了一条不同于传统数据公司的路线：用算法能力反向定义采集能力，用模型能力反向降低硬件门槛。
在洪方舟看来，未来行业竞争的关键，不是谁能采到更多原始素材，而是谁能以更低成本、更高效率、更接近训练目标的方式，把现实世界稳定转化为模型可学习的数据资产。
基于这一思路，Ropedia推出了头戴式便携采集系统HOMIE。该系统以轻量化硬件作为入口，采集第一视角下的人体运动、场景变化、物体交互等多模态信号，并结合自研4D重建与对齐算法，恢复带有真实尺度信息的动态世界表示。相较于传统单纯的视频数据，这类数据能够更完整地保留人与环境、人与物体之间的交互过程，更接近机器人学习和评测所需的输入形式。目前，该产品已实现量产，并开始批量交付。
Ropedia 4D人类体验数据可视化（图源/企业）
在洪方舟看来，硬件只是入口，真正的壁垒来自其背后的模型与数据管线能力。更强的4D重建与结构化标注能力，意味着公司可以使用成本更低、部署更灵活的采集设备进入真实场景；而持续积累的真实任务数据，又会反过来提升模型精度、对齐能力和交付效率。
相比单纯依赖硬件迭代的数据采集模式，这种“设备+模型+数据管线”的组合，也使Ropedia更像一家底层基础设施公司，而非单点设备供应商。
Ropedia核心数据产品的矩阵维度（图源/企业）
商业化层面，Ropedia从成立初期便将北美作为核心市场之一。一方面，北美聚集了大量前沿机器人公司、空间智能团队和相关研究机构，对高质量物理世界数据的需求更早出现，也更为明确；另一方面，公司以新加坡作为全球化运营枢纽，在供应链组织、跨境协作、合规交付和国际研发合作上具备一定优势。
目前，Ropedia客户覆盖北美十多家头部具身智能和空间智能公司，公司现阶段已形成“采集设备+数据服务+标准化交付”的综合模式，服务对象涵盖机器人、空间智能及相关研究团队。
谈及未来规划，Ropedia表示，短期内公司将继续夯实数据生产与交付管线，进一步强化质量、成本与效率优势。中期则瞄准4D物理数据相关标准的推动与定义。更长期来看，公司希望构建围绕物理智能的数据基础设施网络，服务更多机器人、空间智能与现实世界AI应用场景。
（原文标题：《两位清华校友创业：获谷歌、英伟达系投资人押注，要把机器人数据采集成本降50倍》。原文编辑丨袁斯来）
