今天（4月19日），全球首个人形机器人半程马拉松在北京鸣枪开跑，20余支人形机器人赛队与1.2万名人类跑者共同挑战21.0975公里赛道，堪比科幻大片。
场上有身高1.8米、奔跑速度全球领先的“大长腿”:
也有“出生”不满百天，宛如蹒跚学步的萌娃：
还有为防止关节过热，边跑边需要人类队友喷射冷却液的：
这场具有里程碑意义且前所未有的赛事背后，藏着一个关键技术问题：谁在教会这些钢铁身躯如何流畅奔跑？
答案指向了一群特殊的“教练”—— 动作捕捉技术及其背后的数据集。多家参赛企业透露，它们通过动作捕捉设备采集专业跑者的步态，再通过软件映射至机器人关节，短短几秒的数据就能让机器人学会最基本的跑步姿势。
有资深投资人指出：“在人形机器人竞赛中，与其押注哪家企业会最终胜出，不如关注那些为参赛者提供‘训练装备’的公司。”这反映了科技投资领域经典的“卖铲子”策略——在新兴技术淘金热中，提供基础工具和服务的企业往往能获得稳定收益。
随着人形机器人产业进入大规模训练阶段，动作捕捉设备作为关键的“教练工具”，其价值正被市场重新评估，无论人形机器人能否最终商业化成功，它们都需要海量数据来训练基础动作和功能，这种刚需确保了动捕设备的持续市场价值。
关于动捕市场的空间，马斯克曾给出了一个惊人的对比：特斯拉人形Optimus机器人的训练需求至少是自动驾驶的10倍。当前特斯拉自动驾驶规模为500亿英里驾驶数据/年，Mobileye拥有20万TB数据，而最大机器人数据集之一OpenEmbedded仅有9TB，发展空间巨大。
▍数据荒漠：人形机器人进化的最大瓶颈
人形机器人的智能上限很大程度上取决于训练数据的质量和数量，但产业正面临“数据荒漠”的根本性瓶颈。与语言大模型能轻松获取海量文本不同，人形机器人需要复杂的多模态数据（视觉、运动、触觉），这些数据稀缺且采集标注成本高昂。
据行业分析机构Coatue研究显示，当前具身机器人数据集规模极其有限，严重制约了进化速度。2024年12月，上海市政府发布的《关于人工智能“模塑申城”的实施方案》就特别强调了开源机器人数据集和具身智能数据采集的重要性。
为填补这一数据空白，全球科技机构纷纷推出高质量数据集：智元机器人联合上海人工智能实验室发布了全球首个百万真机数据集AgiBotWorld，谷歌DeepMind联合21 家机构发布了 Open X-Embodiment 数据集，包含超过100 万条机器人演示轨迹和 311 个场景，斯坦福大学与伯克利大学则开发了DROID数据集，包含 76000 个机器人演示轨迹，涵盖 564个场景。这些数据集涵盖从家居到工业的多种场景，为人形机器人提供了宝贵资源。
今年初，全国首个异构人形机器人训练场在上海张江正式启用，首期部署超过100台异构人形机器人。这个训练场的目标是在2025年收集1000万条高质量实体数据集，充分体现了行业共识：谁掌握了最大的高质量训练数据集，谁就可能在未来的人形机器人竞争中胜出。
在实际数据采集中，人形机器人企业主要采用两种方式：一是基于真实本体的数据采集，二是基于虚拟本体的数据生产。
特斯拉采用的是第一种方式：操作者穿戴动作捕捉设备，远程控制一台实体人形机器人完成各种任务，同时系统记录机器人的视觉、运动控制和各种传感器信息。这种方法产生的数据质量最高，符合真实物理世界的各种限制，但成本也异常高昂。每个数据采集工位需要配备一台完整的机器人、一套专业动作捕捉设备以及经过训练的遥操作人员。
英伟达则推广基于虚拟本体的数据生产方式：操作者穿戴动作捕捉设备，控制的是虚拟环境中的数字机器人，系统采集虚拟环境中拟合的视觉、动作和触觉信息。这种方式数据质量也非常高，但存在一些场景之间的互通性问题。
无论采用哪种方式，动作捕捉设备都是不可或缺的核心工具。它决定了采集数据的精准度和全面性，直接影响最终训练效果。
▍动作捕捉：解锁人形机器人天赋的关键技术
动作捕捉技术（Motion Capture）是一种通过记录和分析真实物体或人物的动作，并将其转换为机器人可以理解和学习的数据的技术。这一技术从简单的手工绘制关键帧发展到现在的高精度数字化捕捉系统，为具身智能提供了关键支持。
从技术分类上看，动作捕捉系统主要有五大类：机械式、声学式、电磁式、惯性传感器式和光学式。在具身智能领域，惯性传感器式和光学式动作捕捉因其精度和可用性优势被广泛采用。
以本次马拉松中的明星选手为例，社交媒体爆红的众擎机器人PM01——曾与国际网红“甲亢哥”同台“斗舞”的那位——技术核心正是在于融合光学动捕技术，精准采集人体运动数据，并通过强化学习与模仿学习优化步态控制，从而实现接近人类的自然动作表现。
一套专业的动作捕捉系统工作流程主要包括四个环节：数据处理、数据输出、本体映射和工作平台适配。其中，本体映射和工作平台适配是最为关键的步骤。本体映射需要将人类的动作解构成机器人可以理解的自由度、构型等内在信息，工作平台适配则需要将这些数据匹配到相应的执行路径上。
值得注意的是，在遥操作数据采集中，数据的连续性和鲁棒性往往比数据精度更为重要。由于本体映射过程中存在损耗，实际末端的精度通常无法达到亚毫米级别。但由于“人在流程中”（Human-in-the-loop），遥操作任务的最终达成和末端交互精度主要由操作人员来保障，因此厘米级别的精度就足以满足具身智能遥操作数据采集的需求。
盲目追求高精度而忽略数据连续性，可能导致后期数据清理成本激增，甚至远超数据采集过程中所有设备与人员的成本摊销。
动作捕捉设备的核心竞争力在于其技术壁垒高。专业设备需要集成大量高精度传感器，具备抗磁干扰、高刷新率等特性，同时需要强大算法将人体动作转换为机器人指令，最终形成稳定可靠的系统。
根据网络公开信息，动作捕捉技术领域的代表性企业包括：Xsens、Vicon、度量科技NOKOV、诺亦腾Noitom、瑞立视Realis、OptiTrack、AiQ Synertial、国承万通STEPVR、青瞳视觉、虚拟动点、Qualisys、元客视界、Motion Analysis、魔迅科技、上海降世、轻威科技。
与动捕系统相关的上市公司包括：奥飞娱乐（002292）、利亚德（300296）、凌云光（688400）、洲明科技（300232）、捷成股份（300182）。在数据集方面，天娱数科（002354）和能科科技（603859）有相关布局。
▍稳健增长的“铲子生意”：动捕市场的商业蓝海
在科技投资领域，有一个著名的“淘金热”比喻：在淘金热中真正赚钱的可能不是淘金者，而是卖铲子、牛仔裤和补给品的商人。在人形机器人这个潜在的万亿级市场中，动作捕捉设备和数据集服务就是那些“铲子”。
与直接研发人形机器人的高风险相比，动作捕捉设备和数据服务的商业模式显得更为稳健。无论人形机器人最终能否大规模商业化，研发阶段对数据的需求是确定的，众多人形机器人企业需要大量的训练数据和动作捕捉设备。
作为研发必需品，动作捕捉设备可以在人形机器人商业化之前就开始产生稳定收入。权威研究机构报告指出，随着Tesla、OpenAI、优必选、宇树、智元、华为、字节、比亚迪等这样的人形机器人公司数量不断增长，预计每家人形机器人厂商可能需要采购数百台动作捕捉设备。华为、比亚迪等大型企业的设备需求量可能更高。考虑到专业级动捕设备单价在十几万至几十万元不等，动作捕捉设备市场前景广阔。
同时，这些设备不是一次性购买，而是需要定期更新升级，为设备供应商创造了长期稳定的收入来源。
从技术角度看，相比人形机器人的整体研发，动作捕捉设备的技术难度更为集中，壁垒虽高但相对可控。这使得投资回报周期更短，风险更可预测。一家成熟的动作捕捉设备供应商可以在三到五年内实现盈利，而人形机器人企业的盈利周期可能长达十年以上。有研究机构预测，人形机器人有望为动态捕捉市场带来万亿级新增市场空间。
除了人形机器人领域，动作捕捉技术还广泛应用于游戏开发、影视制作、医疗康复、体育训练等多个领域，市场不会过度依赖单一下游。这种多元化的应用场景为动作捕捉技术提供了更加稳定的商业环境。
▍未来展望：训练场、数据工厂与爆发式需求
当前，人形机器人数据采集正从单打独斗向产业化产业化、规模化方向发展。该训练场通过多模态数据采集技术，包括遥操作、动作捕捉等方式，实现单台机器人每日采集轨迹数据500条以上，并打通了从数据采集到模型真机部署的完整数据闭环。
而这仅仅是开始。真正的产业爆发即将到来——大规模的“数据工厂”(Data Factory)或将成为人形机器人产业的核心基础设施，它们就像专业运动员的训练基地，集中配备海量动捕设备，按照标准化流程，批量“教授”人形机器人各种动作技能。据业内消息，一些科技公司已开始为这类数据工厂提供一站式解决方案，从硬件到软件再到数据处理全覆盖。
这种转变意义重大。正如Figure公司终止与OpenAI的合作转向自主研发，优质数据已成为具身智能领域的“战略资源”。在这个领域，谁能掌握数据采集的源头，谁就握住了人形机器人领跑的钥匙。
在这场科技变革中，虽然我们难以预测哪家机器人企业最终会成为市场霸主，但有一点几乎可以确定——那些为机器人提供“训练装备”和“教练服务”的幕后公司，正在构建一个稳健且长期的商业版图。
正如一位业内资深投资人所言：“在人形机器人这场马拉松中，胜利不仅属于跑得最快的机器人，也属于那些默默打造最佳装备的供应商。“
而今天全球首个人形机器人半程马拉松上，当钢铁与血肉并肩奔跑，我们见证的是科技与体育的奇妙融合。每一个机械身影背后，都有教会它奔跑的幕后行业在默默支撑。
这个正悄然爆发的动捕产业，正用数据与算法为机械生命注入灵动与智慧。
来源：人形机器人发布
（文：机器人大讲堂）