当下具身智能、人形机器人产业全面爆发，高精度手部动作捕捉设备迎来刚需风口，作为行业标杆的 Manus Metagloves 系列手套热度持续登顶，目前经典款 Metagloves 仅剩最后 20 套现货库存，售罄后将全面停产。为何这款来自荷兰的专业数据手套今年能够横扫全球科研、影视、工业赛道，成为各大实验室、动画工作室、机器人企业的标配设备？答案藏在 Manus 十余年深耕动捕领域的发展历程与完善

当下具身智能、人形机器人产业全面爆发，高精度手部动作捕捉设备迎来刚需风口，作为行业标杆的 Manus Metagloves 系列手套热度持续登顶，目前经典款 Metagloves 仅剩最后 20 套现货库存，售罄后将全面停产。为何这款来自荷兰的专业数据手套今年能够横扫全球科研、影视、工业赛道，成为各大实验室、动画工作室、机器人企业的标配设备？答案藏在 Manus 十余年深耕动捕领域的发展历程与完善

操作员可以记录操纵任务的演示，将这些演示输入Isaac Lab Mimic进行增强和扩展，并使用生成的数据集通过模仿学习来训练策略，所有这些都在模拟中进行，然后再进行实际部署。MANUS手套现已被正式整合到英伟达的Isaac Lab2.3作为一种原生的远程操作设备，研究人员和机器人团队现在能够使用MANUS手套在Isaac Lab环境中远程操作模拟机器人，为大规模的机器人策略培训捕捉高保真演示数据

随着Varjo的加入，他们还能够利用逼真的视觉质量和颜色再现，因此数字模型看起来就像他们在现实世界中的对应物一样，这是在虚拟环境中进行更详细设计工作的关键要求。随着时间的推移，混合现实实现的节约和效率积累起来，形成真正有意义的规模，将会推动更加可持续的设计流程。汽车价值链不同部分的专业人员往往位于不同的地方。混合现实技术也有助于加快设计迭代周期 团队现在能够在相同的时间内创建2-3倍的迭代，这有助

然而，要让机器人真正掌握人类级别的操作能力，最大的挑战并不在于硬件本身，而在于如何获取高质量的人类动作数据，并将这些技能高效迁移给机器人。在这一框架中，机器人通过观察和学习专业人士的实际操作掌握技能。由于机器人学习的是人类动作模式而非固定坐标，因此能够更好地适应现实环境中的变化，例如不同尺寸的奶缸、不同重量的咖啡豆包装等，大幅提升实际应用能力。作为领先的数据手套，MANUS正通过高精度动作捕捉技术

在本次展会上，爱迪斯通将重点展示Xsens惯性动作捕捉系统、Manus手套、Tesollo灵巧手、SenseGlove R1力反馈手套、Haption力反馈设备以及Sigma.7力反馈操纵杆等核心产品。作为国内领先的机器人技术解决方案提供商，爱迪斯通将携旗下多款先进的机器人遥操作及训练设备亮相，展示其在灵巧操作、动作捕捉及力反馈领域的最新成果。展位号为1G159。本次展会，我们希望向行业展示从动作

例如在开可乐瓶的训练过程中，操作者不仅能控制机器人抓住瓶盖，还能通过力反馈感知瓶盖是否已经锁紧、是否出现打滑以及需要施加多大扭矩。在人们的印象中，让机器人完成后空翻、跑酷甚至跳舞，似乎已经代表了机器人技术的巅峰。从Manus手套采集动作数据，到Shadow灵巧手执行精细操作，再到SenseGlove R1提供真实力反馈，人类正在一步步教会机器人掌握“双手的智慧”。当前，随着大模型与具身智能技术的发

例如在开可乐瓶的训练过程中，操作者不仅能控制机器人抓住瓶盖，还能通过力反馈感知瓶盖是否已经锁紧、是否出现打滑以及需要施加多大扭矩。在人们的印象中，让机器人完成后空翻、跑酷甚至跳舞，似乎已经代表了机器人技术的巅峰。从Manus手套采集动作数据，到Shadow灵巧手执行精细操作，再到SenseGlove R1提供真实力反馈，人类正在一步步教会机器人掌握“双手的智慧”。当前，随着大模型与具身智能技术的发

例如在开可乐瓶的训练过程中，操作者不仅能控制机器人抓住瓶盖，还能通过力反馈感知瓶盖是否已经锁紧、是否出现打滑以及需要施加多大扭矩。在人们的印象中，让机器人完成后空翻、跑酷甚至跳舞，似乎已经代表了机器人技术的巅峰。从Manus手套采集动作数据，到Shadow灵巧手执行精细操作，再到SenseGlove R1提供真实力反馈，人类正在一步步教会机器人掌握“双手的智慧”。当前，随着大模型与具身智能技术的发

为应对这些需求Manus提供的量子跟踪技术可实现在捕捉中追踪各种细微的精确动作，利用这些精确的数据来训练机器人，或时控制机器手将进一步提升机器人完成任务中的精确度。除了面向Windows和Linux的ROS和SDK之外，CSV还为记录和处理管道中的数据提供了一个用户友好的选项。将实时数据直接传输到ROS并开始控制您的机器人。Manus Linux支持的SDK提供了平台灵活性、与机器人操作系统（RO