01Valenbot
22 自由度仿生人头，包含脖子。用于表情、注视、姿态与声音的统一编排。
为仿生人设计
你自己的表情
22 自由度仿生头，从面部到颈部。
用同一个工作台设计表达、采集数据、准备训练。
PRODUCT FAMILY / 01
我们的工作台，连接多种具身形态。
从真实硬件到虚拟模型，共情具身 让不同形态共享同一套表达、数据与交互方法。
01
02SWITCH BOT × 共情具身KATA 宠物机器人
陪伴型具身产品展示。可将动作、声音和互动规则迁移到不同形态中。
03VIRTUAL EMBODIMENT / DISPLAYNORA Frame
屏幕与表情融合的数字具身。面向展览、教学与远程互动的界面化形态。
04DESIGN PREVIEW / GUIDELuma Guide
迎宾与导览型虚拟具身。将注视、语音和路径提示组合成可复用流程。
Orbit Desk
桌面陪伴型概念产品。以光环和视线提示表达状态，适合办公桌与展陈场景。
共情 Twin
用于训练和交互测试的虚拟机器人。先在浏览器里验证规则，再连接真实设备。
矩阵中的概念产品与产品系列概览用于说明平台的扩展方向；除已标注的合作展示外，不代表已量产或已正式接入。
从你的应用场景出发。
先把一个互动做好，再逐步扩展。
让一次创作，成为可以继续迭代的作品。
分别制作表情和声音，在表达编排中组合，再用自动化规则连接互动分支。可将自己的资产带到下一次创作。
- 创建可编辑的表情资产
- 组合声音与表达序列
- 保存规则并分享导入码
制定你规则的第一步
选择互动场景，观看实拍视频，调整表情与动作的播放节奏。
实拍视频 · 认真倾听
认真倾听
表达流程从开机、环顾到注视，按顺序播放完整的动作。
选择场景，点击播放，观看机器人实际的表情与动作。
秒
可设置 3–60 秒，调整视频的播放节奏。
0 s6 s
GENERAL DEVELOPER / EXPRESSION
把表情、动作和互动表达调整成可复用的作品。
在泛开发者工作台中，表情资产、声音和自动化规则沿着同一条编排流程完成。
收集你的数据，得到你自己的模型
把数据版本、训练配置与源代码一起管理。
实验记录预览
PyTorchh1-mobilenet-baseline
- 模型架构
- MobileNetV3 Small
- 训练轮数
- 36 epochs
- 图像输入
- 224 × 224
损失曲线
训练集验证集
图片与标注
v1表情基准数据集
按采集会话划分图像 + 标签
训练集 12验证集 6
- 输入规格
- RGB / 224 × 224
- 标注结构
- 6 类表情标签
- 版本记录
- 样本、标签与采集会话
训练入口与依赖
Pythontrain.py
- train.py
- requirements.txt
import torch
from torchvision import models
model = models.mobilenet_v3_small(
weights=None
)
optimizer = torch.optim.AdamW(
model.parameters(), lr=0.0003
)
# 保存模型权重
torch.save(model.state_dict(),
output / "last.pt")开放的社区资源
模型权重、数据集、训练预设与创作作品。
浏览资源，也分享你的实践。
模型权重face-to-motion / 22dof
面部动作映射 · Valenbot 仿生头
图片数据集expression-portraits
表情分类图片 · 标签结构
表达序列A quiet welcome
见面问候 · 表情与声音的组合
语音数据集conversation-fragments
短句与停顿 · 语音样本整理
模型权重gaze-direction / research
注视方向映射 · 研究配置
自动化规则Listen, then respond
倾听后回应 · 多分支互动流程
没有匹配的资源
换一个关键词，或清除筛选查看全部资源。
精选资源 · 6 项
进入完整资源社区选择适合你的使用方案
从个人创作到团队协作，了解各方案的功能与服务。
你想先做什么？
无论是泛开发者还是专业开发者，
都可以设计属于自己的仿生人控制方式。