2026北京亦庄人形机器人半程马拉松•时间：2026-04-19 07:30•距离：人形机器人半程马拉松（21.0975km）•模式：人机共跑（人类+机器人同赛道）•组别：自主导航组（无遥控，自主决策）、遥控组（成绩×1.2系数）•赛道：城市道路+公园+起伏路面，强真实场景Xsens动作捕捉技术在机器人马拉松中的应用与优势1.仿生步态训练用惯性动捕服Xsens捕捉人类长跑的关节角度、重心轨迹、发力

传统手术培训长期面临“实操风险高、场景复刻难”的痛点——人体模型缺乏触觉反馈，真人操作易致组织损伤，而虚拟现实（VR）技术虽能构建三维场景，却因“触觉缺失”难以培养精准力控能力。Senseglove NOVA与Touch力反馈设备的突破，正在重构这一格局。以Senseglove NOVA 2为例，其搭载4个1自由度被动磁阻制动系统，可提供20N最大阻力，平均每个可编程步骤的力分辨率为0.2N，支持

从国防和航空航天到工业设计和研究，任何数据流传输、第三方组件或不受控制的更新都会带来信息泄露等安全风险。因此完全支持本地使用的设备成为虚拟战场训练、虚拟航空航天训练等应用中的重要元素。离线设备，国防训练中的秘密武器在国防训练中，如何保护训练数据的私密性成为虚拟训练中首先要考虑的因素，传统的虚拟训练因需要大量数据流传输因此经常会使用到无线或有限网络将设备与头戴式显示器连接。Varjo XR-4的出现

案例基于EgoScale：用不同的以自我为中心的人类数据来衡量灵巧手的操作。挑战像拧开盖子、使用工具和精细的手指控制等灵巧的机器人操作训练成本很高。目前的方法依赖于大量的遥操作机器人演示，这种演示速度慢，而且规模昂贵。与此同时，人类每天都会产生大量灵巧的操作数据，但将这些知识转移到机器人身上仍然具有挑战性。解决方案EgoScale将大规模以人为中心的视频作为主要训练资料来源，并通过以下方式将其与精

在仿真软件中收集高质量的灵巧操作数据要求输入设备能够真实地捕捉人手运动的全部动作。MANUS手套，现在原生集成到英伟达NVIDIA Isaac实验室2.3版本中，以直接解决该需求。在演示中，操作员使用MANUS手套远程操作Sharpa Wave，这是NVIDIA IsaacLab内的一个22自由度灵巧机械手，将自然的手部运动转化为毫米级保真度的实时机器人关节控制。灵巧手操作中的数据质量瓶颈模拟优先

在非结构化的真实世界制造环境中部署人形机器人是机器人研发中最难解决的问题之一。实现这一能力的有效途径是遥操作驱动的模仿学习——捕捉人类运动数据，并使用它来训练机器人策略，这些策略可以在不同任务和条件中进行扩展。为了应对这一挑战，阿波罗人形机器人的开发商Apptronik选择使用MANUS手套，在德国柏林的梅赛德斯-奔驰生产工厂中收集机器人学习所需的精确手部和手指运动数据，并以此训练其机器人完成各种