近日，北京大学与北京智源人工智能研究院（BAAI）联合发布的技术报告《RoboBrain-Dex: Multi-Source Egocentric Training for Integrated Dexterous Vision-Language-Action Model》引发学术界广泛关注。该研究提出了一种新型视觉-语言-动作（Vision-Language-Action, VLA）模型，显著提升了机器人在真实世界中执行双手机灵操作任务的能力，并展现出对未见场景的强泛化性能。

这一成果的关键在于高质量、大规模的egocentric（第一人称视角）操作数据集 EgoAtlas 的构建——而其核心采集设备正是来自 Manus 的高精度手部动捕解决方案。

研究亮点：从人类演示到机器人控制的无缝桥梁

1、高保真手部运动捕捉
研究团队采用 Manus 数据手套，以毫米级精度实时捕捉每只手25个关键点的三维位置。相比传统基于摄像头或VR头显的方案，该系统不受遮挡、光照或空间限制影响，支持在多样化的现实环境中灵活部署。

2、统一的人机动作表征空间
通过将人类操作行为与机器人执行动作映射至同一动作语义空间，EgoAtlas 实现了人类演示数据与机器人实操数据的有效融合，为训练通用型VLA模型提供了坚实基础。

3、双用途数据采集架构 

• 自然人类操作记录：佩戴 MetaGloves Pro 或 Quantum Metagloves 的操作者完成日常灵巧任务（如拧瓶盖、插拔插头、折叠衣物等），生成丰富的人类先验数据。
• 精准机器人遥操作：同一套 Manus 手套-追踪系统 结合 VIVE Tracker 获取手腕6自由度位姿，通过逆运动学（IK）算法，将手部轨迹实时映射至 Unitree G1 人形机器人及其 Inspire 灵巧手上，高效收集高质量机器人示范数据。

4、可靠的泛化能力验证
在六个真实世界灵巧操作任务中，RoboBrain-Dex 模型表现出稳定的高成功率，并成功应对分布外（out-of-distribution）任务挑战，验证了多源、高保真数据对提升模型鲁棒性的关键作用。

技术底座：Manus 如何赋能具身智能研究？

Manus 作为专注于高精度手部交互与动作捕捉的技术提供商，其产品线已成为全球多个前沿AI实验室的标准配置：

• MetaGloves Pro / MetaGloves Pro Haptic：新增触觉手套版本，专为科研与工业级应用设计，支持亚毫米级手指关节追踪，适用于需要超高精度的机器人遥操作与行为建模。
• Quantum Metagloves：轻量化、无线化设计，兼顾舒适性与性能，适合长时间人类行为数据采集。
• MANUS Core 3.1 软件平台：提供低延迟、高同步性的数据流接口，无缝对接ROS、Unity、Unreal等主流开发环境，加速从采集到训练的闭环。

此次 RoboBrain-Dex 项目充分展示了 Manus数据手套 在构建“人→机”行为迁移管道中的独特价值——不仅提升数据质量，更拓展了数据采集的时空边界。

延伸阅读与资源：https://arxiv.org/abs/2511.17366