宇树「宇创计划」面向全球具身智能创业者,开放技术、产品与产业资源,推动更多创新成果走向真实应用。
本期介绍的伙伴是青瞳视觉(CHINGMU)。
机器人如何学习人类复杂动作?如何在高速动态环境中获取准确的运动信息?又该如何衡量机器人真实执行的效果?
从格斗训练到乒乓球、网球等运动交互,这些问题正在成为具身智能研发中的重要课题。
作为深耕高精度光学动作捕捉与空间运动测量的科技企业,青瞳视觉以运动感知技术为基础,打造面向机器人全生命周期(883436)的 RoboDecode 平台,围绕真实数据采集、训练学习、实时控制和运动能力验证,构建“采、融、集、映、训、控、测”七大技术模块。
从真实运动到训练数据,从机器人执行到客观验证,青瞳视觉正在为具身智能提供可采集、可训练、可验证的技术支撑。
01
真实运动数据采集与资产化
机器人要学习复杂动作,首先需要高质量的真实运动数据。
围绕机器人训练所需的人体动作、多模态交互信息及运动轨迹,青瞳视觉提供从数据采集到处理、管理和交付的技术体系:
采|ProjectDecode 多模态数据采集系统:支持真实任务中的人体运动与多模态信息获取。
融|DataDecode 训练数据处理与管理平台:支持多源数据整理、处理与管理。
集|MotionDecode 多模态训练数据集:提供可交付、可训练、可复用的具身智能数据资产。
应用实践|宇树机器人格斗动作训练
在CMG世界机器人格斗擂台赛中,宇树科技(688836)使用青瞳视觉光学动作捕捉系统,采集专业格斗运动员的真实运动数据,为机器人格斗动作训练与运动研发提供数据参考。
从人体姿态到复杂运动轨迹,动作捕捉将专业运动员的动作经验转化为可分析、可利用的数字信息。
在2026世界物理AI大会现场的机器人卡丁车相关展示中,青瞳视觉动捕系统也应用于人体动作数据采集,进一步拓展真实运动数据的应用场景。
02
从人体动作到机器人执行
人体与机器人在身体比例、关节自由度和运动范围上存在差异。将人类动作应用于机器人,需要结合目标本体的结构与运动约束进行重定向,再通过仿真训练开展动作学习。
与此同时,真人遥操作能够支持实时示教与交互,并将操作过程中的数据回流至后续训练。围绕这一链路,RoboDecode 以“映、训、控”三个模块承接本体适配、能力学习与实时交互,让人类运动经验进入机器人开发流程,并在真机实践中持续积累训练素材。
映|MotionRetargeting 动作重定向模块:承担人体动作与机器人动作之间的转换。
训|RoboTrain 机器人具身训练平台:让机器人从“有数据”走向“会动作、会执行”。
控|RoboTeleop 机器人遥操作平台:真人实时控制机器人,同时反向沉淀数据。
03
动态运动测量与能力验证
机器人进入真实环境后,不仅需要完成动作,还需要准确感知和测量动态目标,并对实际运动表现进行分析。
尤其在高速球类运动等复杂场景中,物体运动轨迹、空间位置以及机器人自身的运动状态,都对测量定位系统提出了较高要求。
依托高精度光学动捕技术,青瞳视觉能够提供高动态目标追踪与三维空间运动测量能力,为机器人研发中的运动交互、数据分析及实验验证提供技术支持。
应用实践|宇树机器人乒乓球运动交互
在2026世界机器人大会(WRC)及哈萨克斯坦AI & Digital Bridge 2026等场景中,青瞳视觉通过高速乒乓球追踪与机器人空间定位,为相关机器人运动交互提供高精度运动数据支持。
面对快速飞行的球体与动态变化的空间位置,高精度测量能够持续提供目标运动信息,支持复杂运动场景中的技术研发与展示。
除了动态目标追踪,机器人自身的运动能力同样需要客观评价。
从算法迭代、运动控制优化到设备性能验证,机器人动作的准确性、稳定性和一致性,都需要可量化、可追溯的测量依据。
测|RoboEval 机器人运动测评平台:以高精度外部运动测量为基础,对机器人真实执行中的位置、姿态、轨迹及稳定性等指标进行分析,支持运动性能比较、仿真与实机差异分析及能力验证。支持真实任务中的人体运动与多模态信息获取。
从运动数据获取到运动表现验证,青瞳视觉持续完善面向具身智能研发的高精度测量与数据工具体系。
04
携手共拓展具身智能应用
宇树科技(688836)与青瞳视觉在具身智能领域保持着紧密的战略生态合作,双方围绕专业运动数据采集、机器人动态交互与空间运动测量等方向,已在机器人格斗、球类运动及多种复杂运动场景中开展技术合作,持续探索高精度动作捕捉在机器人研发与实际应用中的价值。
作为宇树「宇创计划」生态伙伴,青瞳视觉将进一步发挥高精度运动感知与数据技术优势,携手宇树及更多生态伙伴,推动真实世界数据、人体运动经验与机器人执行反馈的有效衔接,为机器人运动学习、实时控制、能力验证及持续迭代提供技术支撑。
让真实运动成为可信数据,让机器人能力拥有客观的测量依据。
