机械设备行业点评报告：动作捕捉，人形机器人数据采集利器.docx

目 录

1、低成本方式获得高质量数据是人形机器人大规模量产前要解决的关键问题 3

2、动作捕捉或是当下人形机器人最主流的数据采集方式 5

3、动捕核心是由数据集、传感器（高精度IMU）、算法库构建的系统解决方案 7

4、投资建议 11

5、风险提示 11

图表目录

图1：大规模、高质量、低成本的采集数据是当前人形机器人发展的关键 3

图2：特斯拉构建动作捕捉数据采集训练场 4

图3：智元计划打造全球最大机器人生产与数据采集基地 4

图4：北京国地共建具身智能机器人创新中心数据采集基地亮相 5

图5：光学动作捕捉可用于影视制造 6

图6：基于IMU传感器的动作捕捉采集 6

图7：特斯拉采用Movella动态捕捉进行训练 6

图8：人形机器人有望为动态捕捉市场带来500亿新增市场空间 7

图9：Movella是全球领先的硬件（传感器等）、软件和数据分析解决方案供应商，系统性优势突出 8

图10：诺亦腾具备机器人训练整体解决方案 9

图11：世优科技布局动捕设备 9

图12：元客视界推出的AI动捕产品FZmotion 10

1、低成本方式获得高质量数据是人形机器人大规模量产前要解决的关键问题

数据是人形机器人AI/具身智能与传统AI的最大区别之一。AI三大支柱为算

法、算力、数据。传统AI训练主要依靠图文，互联网为传统AI算法训练提供了海量且廉价的图文数据。然而，具身智能需要深入地理解和交互物理世界。3D数据集能提供精确的空间信息,使机器人能够准确地感知和理解三维场景中的物体、空间关

系以及动态变化。现成的3D数据有限，数据采集是机器人AI提升的关键。

数据量提升是人形机器人通用性提高的重要途径。人形机器人追求的是能够像人类一样思考、运动，精确地模仿人类动作是实现这一目标的重要路径。高质量的人类运动训练数据能提升机器人的灵活性和协调性。相比于工业机器人仅具备处理

单一或有限范围问题的能力，通过精确编程实现。人形机器人面向更广泛、更多样的泛化任务。泛化能力提升需要海量的3D数据进行训练。

数据精度直接影响到机器人准确复制人类动作的能力。即使是运动数据中的微小错误，也可能导致机器人误操作或损坏，尤其是在需要精细运动技能的任务以及与人的互动过程中。

因此，大规模、高质量、低成本的数据采集是当前人形机器人发展的关键。图1：大规模、高质量、低成本的采集数据是当前人形机器人发展的关键

资料来源：研究所

国内外机器人厂商争相布局数据采集：

特斯拉构建动作捕捉数据采集训练场。在2023年股东大会上，特斯拉在视频中展示了通过使用动作捕捉技术“训练”机器人进一步了解真实世界中的各种场景。在数据采集过程中，穿着XsensLink动作捕捉套装的“演员”会执行一系列任务，其全身运动数据被记录下来。

图2：特斯拉构建动作捕捉数据采集训练场

资料来源：Movella

智元计划打造全球最大机器人生产与数据采集基地。2024年12月15日，智元机器人宣布通用机器人商用量产，并表示将力争打造全球最大机器人生产与数据采集基地。在数据采集基地内，智元搭建多个人类生活空间的模拟场景，涵盖家庭生活中的卧式、客厅、卫生间等，上百台机器人每日可产数万条机器人真机数据和仿真环境数据。

图3：智元计划打造全球最大机器人生产与数据采集基地

资料来源：人形机器人联盟

国内政策支持加快数据采集发展：

国地共建具身智能机器人创新中心数据采集基地亮相。2024年12月27日，国家地方共建具身智能机器人创新中心与北京大学计算机学院联合推出大规模多构型智能机器人数据集，该数据集包含5.5万条机器人轨迹数据，涉及279项不同

的任务，涵盖高达61种不同的物体，覆盖了家居、厨房、工厂、办公、零售等大部分生活服务场景。

图4：北京国地共建具身智能机器人创新中心数据采集基地亮相

资料来源：国地共建具身智能机器人创新中心公众号

上海要求加快建设虚实融合超大型实训场。2024年12月28日，上海市人民政府办公厅印发了《关于人工智能“模塑申城”的实施方案》，明确要求“依托头部企业和科研机构，打造虚实融合的超大型实训场，建设支撑实训场的高性能计算集群、高精度三维建模和高质量训练数据集，创建与物理实体对应的高精度仿真环境和仿真训练系统，搭建超大规模城市级的模拟应用场景，率先赋能具身智能、自动驾驶等大模型实训。”

综上，我们认为随着人形机器人/具身智能场景增多，对低成本采集高质量数据需求逐步增多，国内政策支持，海内外巨头纷纷布局，人形机器人数据采集产业有望迎来快速发展机遇。

2、动作捕捉或是当下人形机器人最主流的数据采集方式

人