RoboBrain-Dex 实现灵巧操作突破：Manus 数据手套赋能高保真具身数据采集

近日，北京大学与北京人工智能研究院（BAAI）联合研发的视觉 - 语言 - 动作（VLA）模型 RoboBrain-Dex，在多项真实世界灵巧操作任务中达成优异表现，并展现出强劲的跨载体泛化能力。这一科研进展的核心支撑，来自Manus 数据手套构建的高保真数据采集方案，相关成果已通过专属案例页面详细披露。

论文核心创新与技术路径

1、EgoAtlas 多源数据集构建：研究团队打造了大规模第一视角数据集 EgoAtlas，首次将人类与机器人操作数据统一在一致的动作空间下。而数据采集的关键设备 ——Manus Quantum Metagloves，能以毫米级精度捕捉 25 个手部关键点，为两类数据的 “动作空间对齐” 提供了基础，解决了传统数据集视角割裂、数据质量不均的问题。

2、双功能数据采集系统：Manus手套与追踪系统实现双重核心价值：一方面精准记录人类自然操作演示，为模型提供真实行为先验；另一方面通过基于 IK 的重定向技术，直接实现对 Unitree Robotics G1 人形机器人的精准遥操作，高效补充机器人端演示数据，大幅降低数据采集成本。

3、强泛化 VLA 模型验证：RoboBrain-Dex 依托 EgoAtlas 数据集完成训练，在分布外场景（未训练的物体、环境）中仍保持稳定性能，印证了高保真具身数据对模型通用能力的关键作用 —— 而这一数据质量的保障，离不开Manus 动捕手套的高精度手部运动捕捉能力。

硬件与科研的天然契合

作为具身智能研究的核心硬件，Manus高精度动捕数据手套（Quantum Metagloves/MetaGloves Pro/MetaGloves Pro Haptic）的技术特性与科研需求高度匹配：

毫米级定位精度、25关键点同步捕捉、无漂移、低延迟、轻量化佩戴设计，使其能高效采集自然状态下的手部操作数据，既避免了传统采集设备的视角依赖与遮挡问题，又实现了 “人类演示 - 机器人遥操作” 的无缝衔接，成为 EgoAtlas 数据集成功构建的核心支撑。

素材来源：https://arxiv.org/abs/2511.17366