机器人会打球、会 “炫技”，谁在记录它们的每个动作？丨青瞳视觉护航人形机器人运动会

机器人打网球、跑百米、跳啦啦操、完成复杂场景赛、灵巧操作……8月26日，第二届世界人形机器人运动会在北京国家速滑馆“冰丝带”圆满落幕。来自全球16个国家的666支队伍、2056台机器人同台竞技，一系列高动态、高难度的竞技与应用场景，让人形机器人的运动能力再次成为焦点。

这些刷屏画面背后，还有一条容易被忽略、却越来越关键的“数据线”。

青瞳视觉作为本届世界人形机器人运动会动作捕捉技术支持单位，通过高精度光学动作捕捉系统，为相关赛事及展示场景提供高精度定位追踪与运动数据采集支持，将机器人在真实赛场中的位置、轨迹与姿态变化转化为可记录、可分析的数据，为运动过程记录及后续性能分析、量化评测提供高精度数据基础。

Part 01 

机器人越会运动，越需要一把高精度的“尺子”

开幕式当晚，银河通用带来的 "AstraTennis 时刻” 成为全场焦点 ——人形机器人与网坛名将郑洁、“体验官”李昀锐同场完成网球对抗，正手、反手、发球、接发、底线移动……高速球类运动，让机器人全身协调、动态响应和运动控制能力被更加直观地展现在公众面前。同场展示的机器人乒乓球同样也是赛场内外备受关注的项目。

这些高动态运动场景提出了一个基础问题：当机器人越来越会运动，我们该如何准确记录和评价它的表现？

在高速球类运动中，球、球拍、机器人身体、场地和对手之间的空间关系持续变化。仅仅知道 “这一球有没有打过去” 远远不够 —— 运动轨迹是否准确？身体姿态是否稳定？执行结果与预期偏差多大？

这些肉眼难辨的问题，都需要被转化成数据来回答。

作为机器人本体感知之外的独立测量手段，光学动作捕捉系统可以从外部对机器人、人体及球体等运动对象进行高精度空间定位与运动追踪，为运动分析与性能验证提供统一的测量基准和高精度 “外部真值”（Ground Truth）。

如果说机器人自身的传感器帮助它感知世界，那么外部高精度动捕系统更像一把独立的 “空间标尺”：它不替机器人做决定，而是准确记录机器人究竟是怎么运动的。

Part 02 

从“看着不错”到“数据证明”

本届运动会设置多项贴近真实应用环境的场景赛、灵巧手专项赛及综合五项赛，从精细操作到全身运动，综合考验机器人的感知、决策、控制与执行能力。

针对不同场景，青瞳视觉提供有标记与无标记相结合的动作捕捉技术方案，通过K（鲲鹏）系列、MC系列、R3等动作捕捉设备，配合CMAvatar动作捕捉软件，对机器人运动进行高精度定位追踪与运动数据采集。

本届赛事多项比赛项目采用机器人自主运行方式，部署在赛场中的动作捕捉系统并不参与机器人的控制与决策，而是作为独立的外部测量工具，将真实运动过程转化为可计算的数据—— 位置、姿态、轨迹、速度、稳定性……

普通摄像机记录的是“发生了什么”，动作捕捉系统记录的是“这个动作究竟是怎么发生的”。当运动过程被量化为轨迹偏差、姿态变化、稳定性等客观指标，原本只能靠经验判断的问题，也就有了复盘、验证与算法优化的数据基础。

Part 03

从学习动作到验证动作，高质量运动数据如何参与机器人进化？

动作捕捉的价值不止于赛后复盘。在机器人研发中，一条越来越清晰的数据链路正在成型：

真实世界动作 → 高质量运动数据 → 机器人训练与优化 → 真机执行 → 外部测量与验证 → 数据再次回流

高动态球类运动，正是其中最直观的应用之一。

面对高速飞行、轨迹快速变化的乒乓球，机器人不仅需要快速响应，高精度的三维空间信息同样具有重要价值。青瞳视觉通过高性能光学动捕系统，可实现对高速球体及机器人本体的实时三维定位与运动追踪，获取球体轨迹、速度、落点以及机器人空间位置等运动信息，为相关系统的运动控制、分析与性能验证提供高精度数据支撑。

这样的技术能力，青瞳视觉已在多个公开机器人项目中得到应用：

智元机器人：WAIC 2026期间，智元机器人与北京大学等团队联合呈现的 HOPE AI 自主决策人形机器人乒乓表演赛中，青瞳视觉 K 系列动捕系统以 300fps 高帧率完成高速乒乓球三维轨迹及机器人空间位置追踪，为机器人自主击球提供高精度运动信息。

宇树科技/极佳视界：WRC 2026期间，青瞳视觉参与宇树科技、极佳视界等机器人乒乓球场景，通过高速球体追踪与机器人空间定位，为高动态机器人运动提供数据与技术支撑。

银河通用：作为青瞳视觉长期深度合作伙伴，双方围绕人类运动数据采集与评测开展合作，青瞳视觉动捕系统为机器人学习提供高质量数据支撑，助力机器人持续提升复杂运动场景下的运动表现。

智无际：乒乓球机器人精准识别来球轨迹，顺利完成正手、反手连续对打，青瞳视觉 MC系列动捕系统实时追踪高速乒乓球三维轨迹及机器人空间位置，为机器人自主击球提供高精度运动信息。

机器人复杂运动能力的实现，离不开环境感知、运动规划、全身控制、算法模型等完整技术体系。动作捕捉所做的，是把真实世界中稍纵即逝的动作，变成可以被机器使用、被工程师分析、被测试系统验证的数据。

Part 04

一场比赛，一个更大的数据闭环

随着具身智能快速发展，机器人对运动数据的需求正从单次采集走向覆盖全生命周期的闭环。

围绕机器人从真实世界获取数据、学习动作、执行任务，再到运动验证与持续优化的完整链路，青瞳视觉以高精度光学动捕与多模态感知为基础，持续构建“采、融、集、映、训、控、测”七大环节的机器人运动智能能力体系。

在真实世界数据端，青瞳视觉已通过MotionDecode等项目持续沉淀高质量真实世界运动数据，首期1000小时人体动作数据已面向行业免费开放申请开源数据集，为机器人学习与具身智能研究提供数据基础。

在执行与验证端，动作重定向、机器人实时遥操作、高动态目标追踪及机器人运动性能评测等能力也在持续落地。这意味着动作捕捉的角色正从“把动作采下来”，走向让数据进入训练、让运动接受验证、让验证结果反哺下一轮优化——数据从真实世界中来，最终回到真实世界里验证。

END

本届运动会上，智元机器人、北京人形机器人创新中心、银河通用机器人、灵心巧手、星海图、宇树科技等多家青瞳视觉的长期合作伙伴也取得了亮眼成绩。

从机器人研发、数据采集到运动测试与性能验证，青瞳视觉持续与行业头部企业及科研机构开展深度合作，以高精度运动数据与测量技术，为机器人研发与性能提升提供长期技术支撑。

一场比赛，检验的是机器人当下的能力；而数据记录下的，是它下一次进步的起点。从真实世界数据采集，到机器人运动追踪，再到性能验证与量化评测，青瞳视觉正在让机器人运动从 “看得见” 走向 “测得准、说得清、可验证”。

每一次运动都值得被准确记录，每一次进步都应该能够被数据证明。