机器人动作捕捉

市场趋势与核心观点

• 需求增长: 机器人领域动捕训练需求增长，是人形机器人动作迈向高度拟人化的重要推手。
• 数据为王: 低成本采集高质量数据是量产前急需解决的问题，动捕采集的数据精度最高、能力最全面。
• 成本下降: 数据采集成本三年内或从每秒300元降至百元级。
• 行业关注: 宇树机器人格斗大赛超预期，动捕迎来高度关注。

公司与产品应用

• 特斯拉: 率先采用百万级动捕设备构建虚实双模数据工厂。
• 利亚德/虚拟动点: 以空间计算为基础入局，定位为“机器人的大脑和眼睛”，提供数据开发+机器人训练服务。已发布利亚德动作大模型，对接不低于十个机器人客户。
• 凌云光: 国内自主龙头，FZMotion系统提供全链条解决方案，国内领先机器人厂商几乎全覆盖，已在宇树等头部厂商批量出货。
• 宇树科技: 动作仿真性能优越，主要得益于光学动作捕捉+仿真学习。

关键技术与专利

• 技术路线: 主流为光学、光惯混合。虚拟动点主推光学与无标记技术融合。
• 核心算法: 亚毫米级动捕精度通过“人体-机械轴映射算法”突破产业瓶颈；利亚德动作大模型LYDIA已接入DeepSeek。
• 宇树专利: “一种基于动捕设备的机器人关节控制方法和系统”获授权，可高效准确地将人类动作映射至机器人。

应用与目的

• 核心目的: 为机器人训练提供高质量动作数据，是必须环节。
• 技术路径: 主要通过模仿学习（Imitation Learning）和强化学习（Reinforcement Learning）来训练。
• 流程: 动捕设备采集 → 数据传入仿真软件训练虚拟本体 → 迁移至实体机器人。

技术路线对比

• 光学动捕: 精度高 (亚毫米级)，适合复杂动作，但需固定大场地，成本高。国内99%厂商使用。
• 惯性动捕 (IMU): 便携灵活，不受场地光线限制，但存在漂移问题，精度低于光学。特斯拉擎天柱项目采用此技术。
• 路线预测: 光学方案仍占主导（70-80%），但惯性方案潜力被低估，尤其在服务机器人领域。

市场格局与成本

• 高端市场: Vicon（英国）与OptiTrack（美国）垄断，合计占全球80%以上份额。
• 国内厂商: 光学（度量科技、凌云光等）、惯性（诺亦腾）。
• 成本: 高端惯性系统（Xsens）约30-41万/套；光学系统（度量科技）约30-50万/套；自建50相机级光学棚约150-300万。

商业模式与趋势

• 当前模式: 本体厂商采购少量硬件自用。
• 长期趋势: 轻资产模式崛起，本体厂商转向购买数据服务，动捕厂商向“设备+数据”服务商转型。

核心地位与重要性

• 破局关键: 动捕系统是具身智能数据采集的“破局关键手段”，从“可选工具”向“核心基础设施”跃迁。
• 数据质量保证: 泛化能力提升需要海量高精度数据，动捕能直接决定数据集质量。
• 政策支持: 北京、上海等地明确提出要“开展具身智能数据采集，开放动作数据集”。

技术分类与壁垒

• 主流技术: 光学式（高精度）和惯性式（便携）。研报认为惯性动捕更适合机器人运动（平衡、跌倒检测）。
• 技术壁垒: 高精度传感器、抗磁干扰、高刷新率及核心的本体映射、平台适配算法。

市场前景与规模

• 当前市场: 2022年市场空间仅58亿元，下游以电影、游戏为主。
• 未来增量: 假设单个人形机器人企业使用1000台训练，有望为动捕市场带来500亿增量空间。

主要参与者

• Movella (Xsens): 全球领先，特斯拉采用其方案。
• 诺亦腾 (Noitom): 奥飞娱乐投资，布局惯性技术，与NVIDIA Isaac合作。
• 凌云光: 全资子公司元客视界推出FZmotion，服务宇树、优必选等。
• 利亚德 (虚拟动点): 拥有OptiTrack光学产品和高品质数据，与松延动力合作。