北京
2026 年，灵巧机械手取得长足发展，各类硬件平台在灵巧性、触觉感知以及真实场景稳定性方面均实现技术突破。随着硬件技术日趋成熟，该领域开始直面一项更棘手的难题：如何生成大规模、高质量数据集，用以训练灵巧操作系统。
硬件技术进步背后的数据缺口
参与本届国际机器人与自动化大会（ICRA）的多家机械手企业都致力于攻克一项共性难题：大规模采集精准的人体动作演示数据。高接触操作、精密抓取、双手协同、仿人机器人训练，全部依赖能够真实还原人手运动方式的输入数据。无论采用何种学习框架，动作捕捉产生的误差都会沿着学习链路传导，最终导致控制策略质量下降。
众多演示方案中，企业均采用 MANUS 数据手套作为手部动作捕捉设备。MANUS 可输出三个层级的手部运动数据：指尖传感器位置、经过校准的 25 节点骨骼模型以及关节角度数据，支持将动作重定向至不同构型的机械手。
面向高接触操作的力触觉反馈
多家企业在 ICRA 展会上展示了以触觉感知为核心的机器人操作系统。ROBOTERA、BrainCo.、TESOLLO、Xynova、Shadow Robot展出搭载触觉感知的灵巧机械手，适用于需要持续调整抓取姿态、作用力与物理交互的高接触作业场景。
为适配遥操作工作流程，上述企业集成了 MANUS Metagloves Pro Haptic手套，搭建操作人员与机器人之间的闭环交互系统。由此采集的演示数据同时包含手指运动信息与触觉交互信号，为高接触操作任务提供信息量更丰富的训练素材。
人体动作向机械手的精准映射
除触觉感知外，不少企业聚焦另一项核心难题：以高精度、低延迟将人手动作映射至机械手。灵联智能（AgiLink）、Inspire、Allegro 均借助 MANUS 手套解决这一技术痛点。
依托 MANUS 手套，企业能够以机器人学习所需的精度与可重复性采集人手运动数据。MANUS 手套内置骨骼动作重定向模块，可将人体演示动作精准迁移至不同构型的机械手。
空间环境信息与操作数据集的未来发展
灵巧操作数据集并不仅仅局限于手指运动信息。NOKOV将光学刚性标记点追踪系统与 MANUS 手套结合，同步捕捉手腕与手部动作，构建同时包含完整上肢运动学信息与精细手指动作的数据集。Alt Bionics将 Meta Quest 3 与 MANUS 手套搭配实现双臂遥操作，同步采集操作人员空间位姿与精细手部运动数据。
规模化采集人体演示数据
ICRA 2026 清晰展现灵巧机器人领域的共同发展方向：随着机器人硬件不断成熟，行业重心逐步转向规模化构建高质量人体演示数据集。本次展会众多方案表明，触觉反馈、高精度动作重定向、空间追踪三项技术相辅相成，可搭建适用于机器人学习的高信息量数据集。由此MANUS 手套成为大量技术方案底层的手部动作采集平台，支撑采集能够真实复刻人手运动规律的数据。
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.
