近日，意大利动作捕捉技术公司 Captiks 发布了一段演示视频，展示了其 Movit System 惯性动捕系统在真实特斯拉电动汽车内进行全身动作捕捉的能力。该实测旨在验证系统在“窄空间、强干扰、微动作”等挑战性环境下的实际表现。

应对挑战：窄空间与复杂电磁环境

新能源汽车座舱是一个具有代表性的复杂场景：

• 空间局促：人体动作幅度受限，操作集中于手腕微调、指尖触控等精细行为。
• 电磁环境复杂：密集的电子元器件、高压电池与电机系统产生较强的电磁场，可能对传感器造成干扰。

传统光学动捕方案因依赖视线、布线复杂且惧怕遮挡，在此类场景中应用受限。

实测表现：稳定捕捉细微动作

在演示中，测试人员穿戴 16个 Movit G1 无线惯性传感器（单个重量25g，采样率200Hz），从室外进入车内，完成了开门、坐姿调整、握持方向盘等自然驾驶动作。

Captiks动捕系统通过自研的抗磁干扰算法和多传感器融合技术，在演示过程中有效应对了车内电磁环境的影响实时，获取40+ 关节参数实时曲线。在长时间静坐仅有微小手部动作的状态下，重建的3D虚拟骨骼保持了较好的稳定性，同步了演示中的细微姿态变化。

应用前景：支持多领域研究与开发

Captiks此次成功的车内实测，为多个领域的应用提供了新的可能性：

• 人形机器人开发：可采集真人驾驶、操作等精细动作数据，用于训练机器人的模仿学习（Imitation Learning）和VLA（视觉-语言-动作）模型。
• 智能座舱与人机工学研究：有望为量化评估驾驶员状态、交互舒适度，以及座舱设计提供生物力学数据支持。
• 具身智能研究：此类在真实场景中采集的运动数据，可作为相关AI模型训练的数据来源。

Captiks Movit System 凭借抗干扰、适配窄空间、微动高精度三大特性，为具身智能行业补齐了复杂实景下的高质量人体运动数据采集方案。