纪要涉及的行业和公司 - **行业**：机器人动捕设备行业 - **公司**：海外的 Tesla、Adesso；国内的小鹏汽车、腾讯、谥源公司 [4][13][16] 纪要提到的核心观点和论据 数据采集模式 - 四种主要模式为真实动捕训练本体、动捕结合虚拟引擎、纯动捕系统和模拟合成数据，有效数据比例差异显著，影响训练效果和成本 [1] - 真实动捕训练本体采集的数据最真实有效，但成本高，有效数据比例约 30% - 50%；动捕结合虚拟引擎成本低，一天可采集 15 - 20 分钟数据，但缺验证过程；纯动捕系统可采集大量数据，但有效数据比例低，映射效果待验证；模拟合成数据用于大规模训练，备受争论 [2] 海内外公司数据采集手段 - 海外公司如 Tesla 批量采购 Adesso 设备，采用真人动捕训练和虚拟仿真 DNF 模式 [1][4] - 国内公司多处于技术验证阶段，采用遥操动捕设备和少量设备结合真人动捕与虚拟 YDF 模式 [1][4] 数据有效性衡量 - 通过真人动作初步验证和机器人反向验证姿态衡量，行业内尚无统一标准，涉及多传感器信息融合确保评估结果可靠性 [1][5] 数据积累与复用 - 简单动作如抓水杯需 3 - 5 小时数据积累，通用泛化性需几十万甚至数百万小时 [5] - 数据复用关键在于重定向过程，将人的高自由度数据映射到机器人，难点是末端精度协调和自然衔接 [1][6] 数据采集效率与成本 - 数据采集效率极低，1300 秒数据需经验丰富动捕专家用上百万设备连续工作十几天，核心问题是虚拟本体软件不成熟，与真实物体交互有挑战 [1][6] - 数据采集成本按秒计算，有效数据每秒约 300 元，重复数据每秒约 60 元，预计未来 1 - 3 年成本降至 200 元左右，大量用学生参与有望降至百元以下 [3][14][22] 动作捕捉技术问题与解决 - 主要问题是映射问题，即人的动作和机器动作协调性，解决核心是提升数据映射算法，常用方法是舍弃姿态追求精度 [3][7][9] 数据工厂作用 - 可实现高效数据收集，一家企业建数据工厂可用上百到千套设备采集数据，每天采 3 万分钟，一年积累 300 多万分钟，建设需政府或大型企业牵头 [10] 数据采集优先级排序 - 根据客户需求和应用场景决定，如家政、厨房、护理、救援等领域，而非按具体动作分配 [11][12] 国内大厂数据采集方向 - 集中在家政、医疗、陪伴救援等方面，如搭建家政环境、偏生产环境、展示陪伴或家政类应用 [13] 机器人本体厂商结算 - 除购设备外，需支付数据采集费用，计费方式按秒或按条，一条数据 5 - 10 秒 [15] 动捕数据与传感信息融合 - 动捕数据与力控、视觉传感信息融合是互相验证和学习过程，动捕设备用于优化和验证视觉算法 [17] - 动补、力矩和触觉信息可三合一融合，如手套采集多种数据信息 [18] 数据采集模式对训练效果影响 - 真实设备驱动真实本体最有效，但成本高、过程慢；真实动捕设备驱动虚拟人体节省成本、增加采集量；其他方法简单但有效性可能欠缺 [19] 动捕数据应用流程 - 前期结合真人操作采集数据初步训练，接着用纯合成或纯动捕数据强化训练，再用真实人和真实数据进一步训练，最后通过动环设备检验学习情况 [20] 数据采集降本方式 - 通过批量化生产降低硬件成本，与学校合作利用廉价劳动力和场地，采用半买半送模式共享数据和利益分成 [21] 动捕设备精度与应用场景 - 当前动捕设备误差度在毫米级别，映射到机器人后仍有误差，未形成精度与应用场景一一对应关系 [23] 映射算法重要性 - 对机器人性能至关重要，影响最终数据精度和训练效果，多数企业自研或委托开发映射算法 [24] 其他重要但可能被忽略的内容 - 谥源公司下了 1000 套订单但未交付，2025 年绝大多数公司处于验证阶段，零散购买设备测试 [16] - 动补企业帮其他公司设计映射方案时面临理解人体 XYZ 轴向问题，部分公司前期自研无果后转向专业公司求助 [25]