要点（文末有彩蛋）
1、动作捕捉在人形机器人中的应用
动作捕捉的概念及应用：动作捕捉是捕捉人的动作及相关运动数据，可应用于电影、动画等领域，数据广泛应用于机器人中。现阶段人形机器人主要将动捕技术应用于机器遥操作和数据采集。
遥操作的实现方式和方法：
关节复制：通过复制关节实现，要求动作设备与穿戴者关节尺寸或结构相似，成本低，但对操作者运动范围和基线结构要求高，不太适合复杂运动或多自由度机器人，目前多用于上肢操作。
运动重定向：将操作者动作通过特定算法预处理后转换为适配机器人的动作，适用于操作者和机器人结构差异较大的情况，灵活性高，但计算量大，实时性可能受影响，对应的常见工具是以Xsens为代表的全身可穿戴性动捕或光学动作捕捉。
末端位置控制：通过逆运动学控制机器人末端执行器，如手的位置，可简化开发者工作，适合一些多自由度机器人，但计算量不小，对定位精度要求高，较适合在相对小空间使用，在复杂技能操作时有一定局限性。
数据采集的重要性：人形机器人需要通过小脑端控制运动，这需要运动相关数据，如同人类学习骑自行车需要感知重心平衡变化一样，积累大量真实数据对人形机器人实现复杂技能至关重要。
动捕与虚拟仿真平台的对比：虚拟仿真平台在自动驾驶领域有用，但在机器人领域，其合成数据的能力有限，无法完成复杂技能，现阶段仍需通过动捕采集大量真实数据。
动捕技术的硬件技术：
惯性动作捕捉：满足人形机器人对数据精度、质量、稳定性等要求的动作捕捉厂家中，XSens表现较为突出，其他厂家存在抗磁干扰问题，导致数据采集过程中出现漂移累积误差。
光学动捕：精度高，但有局限性，如反光点被遮挡或运动范围离开摄像头采集范围会造成数据丢失，因此现阶段使用该方案的人形机器人企业不多，但在机器狗、无人机等相对固定区域运动的设备中是更合适的解决方案。
无标记动作捕捉：成本低，但精度差，主要采集上半身数据，对于人形机器人采集全身数据的需求，其价值相对较低。
人形机器人落地的瓶颈及动捕的价值：人形机器人从演示到落地的瓶颈是数据，动捕虽昂贵，但能有效节省开发过程中数据采集的时间，让机器人更早落地，是产出大于投入的投资。
2、惯性运动捕捉系统
惯性运动捕捉系统的原理及核心壁垒：惯性运动捕捉用到惯性运动传感器，包含陀螺仪、加速度计、磁力计，通过磁力计和抗干扰算法解决方向和漂移问题，实现抗磁干扰，国内很多企业未有效解决此问题。
3、合作情况
与特斯拉的合作：涉及敏感信息，合作开始时间、特斯拉的采购量及后续规划暂不方便对外透露。
其他合作厂商：国内的人形机器人国家队，如北京人形集成（国家地方共创人形新国家地方人形创新中心）、上海机器人（工信部颁发牌子）、浙江人形等都是用户，基本上绝大部分头部的人形机器人企业都是用户。
4、动捕在机器人训练中的作用
动捕在机器人训练中的环节及解决的问题：动捕主要解决类似小脑端的控制问题，通过挖掘采集机器人学习所需数据，形成数据集，让机器人实现自主运动能力，与云端训练大模型不同。
机器人训练的时间和数据量：训练时间是一个由慢到快的过程，前期数据采集量较大，学会某个动作后会相对较快，各家所需数据量因企业定位和应用场景而异。
5、动捕服的相关问题
动捕服操作人员的要求：对动捕服操作员的身材有一定要求，不能太胖或太瘦，需能做正常人的动作，此外对体力也有一定要求，如特斯拉曾要求数据采集员能连续走好几个小时。
实现机器人自主运动所需动捕服的量级：实现机器人自主运动所需动捕服的数量难以界定，与企业定位相关，应用场景越多，所需采集的数据越多，像特斯拉这样定位广泛的企业，训练1000个机器人理论上需配备1000个动捕服。
6、动捕服的商业模式
第三方机构建立数据训练基地的可行性：从商业逻辑上可行，但会涉及数据安全、数据所有权等问题，且需找到合适的数据采集方式和处理方式，解决法律相关问题及后期数据处理技术问题。
Q&A
Q：惯导式动作捕捉系统包含哪些环节，其核心壁垒在哪里，原因是什么？
A：惯性运动捕捉用到的是惯性运动传感器，其中包含陀螺仪、加速度计和磁力计，每种各有三个，共九轴，所以也叫九轴的惯性运动传感器。国内或国际上很多做惯性运动传感器的一般为6轴，相比9轴少了磁力计。磁力计主要用于解决方向和漂移问题，也就是磁场干扰问题，因为生活环境中存在地球磁场、手机及周边金属等带来的磁场干扰，会对传感器造成影响。现阶段在惯性动捕方面做得好的最大技术优势是抗磁干扰，一方面通过磁力计实现，另一方面通过抗干扰算法实现。国内有几家企业做惯性动捕，但现阶段都未有效解决抗磁干扰问题，其解决方案一般只能实现短时间数据采集，时间长了设备会因抗磁场干扰问题几乎失效。
Q：与特斯拉是什么时候开始合作的，目前特斯拉的采购量情况如何，以及特斯拉后续对此的规划是什么？
A：涉及敏感信息，暂时不方便对外透露。
Q：除特斯拉外，目前采用类似方案的其他厂商有哪些？除与特斯拉合作外，还有哪些厂商有相关合作？
A：国内比较有代表性的如北京人形集成（现叫国家地方共创人形新国家地方人形创新中心）、上海机器人（工信部颁发牌子）、浙江人形等国家队都是用户，另外绝大部分头部的人形机器人企业也是用户，但部分还需梳理确认能否对外公布。
Q：训练在研发机器人中处于哪一步，主要是为了解决什么问题？
A：主要是为了解决类似小脑端的控制问题。因为现在人机交互通过遥控器或编程代码指令控制效率低，当让机器人按照自然语言指令执行任务时，涉及大脑端理解、拆解动作，而动捕主要是挖掘采集机器人学习所需数据，累积形成数据集，让机器人利用数据集训练小脑，实现自主运动能力。
Q：云端训练大模型与理解空间物理规律等相关内容是否不同？训练需要多久？工程量如何？难点在哪里？
A：时间上是一个由慢到快的过程。前期需要大量数据采集，让机器人学会走路方式及协调各关节配合，前期较慢，学会某个动作后速度会相对变快。数据量方面，现阶段各家不同，学某个动作前期可能需成百上千次数据采集，后期可能几十次甚至几次。
Q：动捕服的操作人员是普通人即可还是需要专业人员？如果想获取足够数据让机器人自主执行任务，需要多少套动捕服？
A：对于动捕服操作人员一般没有额外要求，只要能穿上动捕服且能做正常人的动作即可，但对身材有一定要求，不能太胖或太瘦，对体力也可能有要求，比如采集机器人走路动作时，采集员可能需连续走好几个小时。关于采集数据量，很难界定，与企业定位相关，应用场景越多，需要采集的数据越多；场地越简单，采集数据量和次数可能越少，场景越复杂，尤其是涉及与人交互场景，采集次数会较多。
Q：马斯克提到25年大概有千台机器人在工厂实训，是否需要1000套动捕服？
A：如果要训练1000个机器人，理论上要配备相应的1000个动捕服，因为一方面要实现不同场景任务采集，需不同采集员执行不同工作任务；另一方面，不同人动作存在差异性，同样工作任务采集多人数据进行对比分析，有助于大模型训练。
Q：如果不是生产制造人形机器人，而是作为专门的第三方机构，采购动捕服做数据训练基地，以租金形式开放给做机器人的人进行训练，这种商业模式是否可行？
A：从商业逻辑上是可行的，但可能会涉及数据安全和数据所有权等问题，现阶段此类工作任务一般由政府层面参与甚至主导来实现，比如上海人形就是政府主导的人形机器人公司。另外，还涉及采集数据的方式和方法，要找到合适的数据采集及处理方式。对于企业而言，单纯做数据采集工作不难，但后期数据的处理、标记保存以及与不同尺寸机器人做映射等工作比较难，需要做好一条龙服务。这种商业模式有商业价值，但要解决相关法律问题和数据处理技术问题。
加微信领取星球优惠
