河南
具身人工智能的自我中心数据收集挑战
DeepCybo是由北京中关村研究院和中关村人工智能研究院孵化的首家具身智能公司，致力于构建通用物理智能的基础模型。他们的方法以人类自我中心演示数据为核心进行训练，捕捉人类与物体自然交互的方式，从而使机器人真正理解物理操作。
挑战在于：如何收集高质量、足够精确的手部运动数据，以训练灵巧操作策略。基于摄像头的跟踪系统在手部抓握物体、手指重叠或物体遮挡摄像头视野时，会遇到遮挡问题。对于具身人工智能训练流程而言，数据质量直接决定模型性能。
无遮挡的精准手部追踪
MANUS 数据手套为DeepCybo提供25个自由度的无漂移、无遮挡的手部动作捕捉，实时追踪拇指和手指的每个关节角度。该基于电磁场 (EMF) 的系统可在长时间数据采集过程中保持毫米级精度，无需视线接触或重新校准。
这意味着可以获得更清晰、更高质量的训练数据，这对于学习可推广的操作策略至关重要。在比较了用于机器人基础模型开发的IMU、光学和视觉解决方案后，MANUS手套提供了最可靠、最稳定的性能。
用于远程操作验证的低延迟同步
除了数据采集之外，DeepCybo还使用MANUS手套对灵巧的机械手进行实时远程操控，并通过直接的人机控制来验证其训练策略。低于40毫秒的延迟实现了灵敏的控制，操作者能够感受到与机械手的直接连接，从而可以执行复杂的双手操作任务，并根据人类基准评估策略性能。
关于搜维尔科技
我们热衷于动作捕捉技术的研发与推广。我们热衷于推动技术发展，使其处于技术前沿甚至更前沿。在这个频道上，我们想分享我们基于动作捕捉技术的最新体验。搜维尔科技与Manus总部签署代理合作协议，成为其在中国大陆地区的授权代理经销商。搜维尔科技现支持相关产品购买、咨询与售后支持等服务，欢迎垂询。
你一定还感兴趣：
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
