动作捕捉公司正成为机器人的“裁判”与“教练”
动作捕捉公司正成为机器人的“裁判”与“教练”
2026年08月26日 15:57
8月的北京国家速滑馆“冰丝带”，第二届世界人形 机器人 运动会赛场之上，666支队伍、2056台人形 机器人 同场竞技。乒乓球台前， 机器人 之间可以完成数十回合对拉；跳高赛场上， 机器人 竞技成绩从首届的90厘米跃升至2.88米。
赛场幕后， 利亚德 ·OptiTrack作为本届赛事官方唯一光学空间定位技术伙伴，承担乒乓球和跳高项目的赛事判罚、数据采集，同时还为 机器人 提供外部感知输入的双重角色。
“我们现在的精度达到0.05毫米，差不多相当于头发丝直径的十分之七。” 利亚德 ·虚拟动点解决方案技术总监崔超在赛场边接受《中国经营报》记者采访时表示，去年赛事设备精度为0.1毫米，今年精度实现翻倍提升，足以支撑系统精准识别乒乓球落点、捕捉 机器人 起跳顶点坐标。
在崔超看来，如今 人形机器人 跑得更快、跳得更高，仅依靠人工裁判的经验判断已经难以适配竞赛需求。“动捕输出的是真值（ground truth），全部数据可回看、可复现。”
一场世界级 人形机器人 赛事，把动作捕捉技术从影视棚、游戏工作室推向工业竞技前台。它不再仅仅是驱动虚拟角色完成表演的工具，正在演变为 人形机器人 判罚、标定、训练的共用技术底座。
从“看得见”到“判得准”
如果说 LED 大屏让赛事“看得见”，OptiTrack光学空间定位系统，就是保障赛事“判得准”、辅助机器人“看得准”的核心技术。
本届世界人形机器人运动会赛项由首届26项扩容至51项，覆盖田径、乒乓球、举重、拔河、自由搏击，以及家庭服务、工业作业、应急救援共9大真实应用场景，动态对抗、多机协同的技术难度显著抬升。
OptiTrack动捕系统落地乒乓球、跳高正式竞赛项目，同时支撑场外AI足球人机互动演示项目。
不同赛道对设备技术指标的侧重点截然不同。崔超向记者介绍，乒乓球和跳高属于正式竞技赛事，动捕系统首要任务就是输出客观真值，作为裁判判罚的佐证，把裁判员过往依赖经验的主观判断，转化为可复现的三维坐标数据，最大限度降低人为评判偏差；乒乓球球体小，需要高分辨率镜头识别小球上的小型标记点，对绝对精度要求严苛；跳高项目则重点抓取起跳瞬间、腾空峰值的坐标，对帧率要求适中，但坐标输出的稳定性不能出现差错。
场外AI足球人机互动项目并不承担打分判罚职能，核心是给机器人守门员提供实时感知输入，更看重高采集帧率和数据闭环响应速度。
“乒乓球、跳高优先保障真值输出与运行稳定性，足球场景则更看重高帧率和闭环预测能力。”崔超解释道。
据崔超透露，AI足球人机互动场景的调试并非一帆风顺。半室外环境太阳光自带红外光，会干扰光学摄像机识别标记点；足球撞击桁架带来现场震动，也会造成数据漂移。技术团队依靠多摄像机阵列配合算法持续校准和抗遮挡功能，完成干扰抑制，保障长时间连续赛事的数据可靠输出。整套系统不再只是事后记录动作，而是实时把三维位置数据输送给机器人本体，充当机器人的外部感知“眼睛”。
不只是裁判，更是教练
过去二十年间，光学动作捕捉技术的主流应用集中在影视、动画、虚拟偶像与专业体育分析领域。演员身着贴满反光标记点的动捕服，环绕摄像机阵列完成采集，数字虚拟角色便可复刻真人骨骼动作。这套商业模式技术成熟，但行业天花板相对有限，市场规模也跟随内容行业周期起伏。
人形机器人赛道，为这项技术打开了新的市场想象空间。
从本届世界人形机器人运动会可以看出，OptiTrack在赛场的角色，早已超越赛事“裁判”的范畴，深度参与到机器人研发训练环节。
崔超透露，动捕技术正在深度介入机器人的训练环节。“我们的动捕技术可以采集真人的动作，用于机器人的训练。”
据介绍，斯坦福大学TWIST全身遥操作系统、 索尼 ACE乒乓球系统、乐聚全尺寸人形机器人全身遥操作系统、松延动力的连续空翻等表演，都使用OptiTrack系统完成了数据采集、动作训练等。
“现阶段机器人机载视觉仍处在持续迭代阶段，高速运动场景很容易产生识别偏差，而OptiTrack输出的数值，恰好可以弥补本体感知的短板。”崔超称。
从更宏观的视角看，动作捕捉正在成为破解具身智能“数据荒”的关键工具。机器人要实现真正的智能涌现，需要海量的高质量训练数据。而动作捕捉技术可以将非结构化的动作行为转化为算法可读的结构化数据。
利亚德 正沿着“硬件—数据—训练服务”这条路径布局机器人业务，相关业务归属于AI与 空间计算 板块，依托OptiTrack光学动捕硬件，对外输出高保真动作数据集以及运动控制相关底层能力。
在训练基建层面，虚拟动点联合地方政府与产业伙伴，落地北京石景山人形机器人训练中心（二期）、内蒙古具身智能数据采集训练中心等多个人形机器人数据训练场地；同时为银河通用、松延动力、 优必选 、乐聚等多家机器人本体企业的自建训练中心提供技术赋能。此外，虚拟动点与北京大学 人工智能 研究院联合研发Lydia系列人形机器人动作大模型，为人形机器人提供动作生成与数据处理能力。
“整个科技发展的未来，大模型技术需要一个载体，机器人恰恰就是非常好的载体。”崔超说。而动作捕捉技术正在成为连接人类动作与机器人运动的桥梁，既是赛场上裁判的“数据之眼”，也是训练场上教练的“数字教鞭”。
（文章来源：中国经营报）