机器人训练数据的物理真值缺口：Flora 视频自动标注之后，动捕与力触觉J-Mex、Manus、GelSight、ZED 如何补位
NVIDIA GEAR 团队于 2026 年 10 月 20 日开源数据引擎 Flora，把海量机器人视频与人类视频转化为基础模型训练所需的高质量数据，已用于训练 GR00T 系列模型，依托 512 块 GB300 GPU 每天标注 20 万小时视频。
Flora 由三个模型分工：Flora-TempSeg 完成动作时间分段，Flora-Captioner 结合前后画面生成动作描述，Flora-Rewarder 对执行效果评分并支持自定义评分准则，覆盖人类手部、机器人夹爪与灵巧手画面。其设计区分“意图”与“结果”：一次失败的抓取仍可标注为“正在尝试的动作”，执行质量单独评分，据此区分有效演示与失误。
基准与成本：Flora 在 WGO-Bench、RoboReward、Robometer 上取得领先成绩，标注质量 57.1% 对 53.7%，成本约为 GPT-6 Astra 的 1/125（0.72 美元对 88.49 美元/源视频小时）。Captioner 与 Rewarder 为 Qwen3.5-27B 衍生，权重在 Hugging Face 开放，采用非商业研究条款。
对科研团队而言，Flora 让机器人训练数据规模不再是瓶颈。但视频标注只解决语义层，像素中不包含关节角度、力与力矩、触觉接触等物理量。当视频数据规模扩大，精确的动作捕捉与力触觉真值反而成为校准自动标注、构建高质量机器人数据集的关键。
|
产品 |
典型应用场景 |
解决的痛点问题 |
|
J-Mex V100-R 惯性动捕 |
机器人遥操作数据采集、VLA 训练、全身动作真值标定 |
视频标注缺少关节角真值；人工逐帧标注成本高 |
|
Manus Metagloves Pro 数据手套 |
手部精细操作数据、灵巧手遥操作、数字孪生驱动 |
手部动作难以从普通视频还原；毫米级精度难以保证 |
|
SenseGlove Nova 力反馈手套 |
遥操作力觉反馈、VR 装配培训、灵巧手控制 |
操作者无法感知接触力，遥操作成功率低 |
|
GelSight Mini 视触觉传感器 |
触觉感知研究、抓取稳定性评估、滑移检测 |
纯视觉无法获取接触力分布与滑移信息 |
|
Nordbo/BOTA 六维力传感器 |
力控机器人、打磨装配、人机协作 |
缺少力/力矩真值，力控策略难以闭环 |
|
XELA uSkin 阵列触觉传感器 |
电子皮肤、柔性触觉、灵巧手接触感知 |
硬质传感器难以贴合曲面，接触分布采样不足 |
|
Stereolabs ZED 2i 双目相机 |
视觉+深度数据采集、SLAM、场景重建 |
单目视频缺少深度信息，三维真值不足 |
这正是信倍通（ICT）代理产品线的配套方向：J-Mex V100-R 惯性动捕系统面向遥操作与 VLA 训练提供全身动作真值，支持 ROS2 与 NVIDIA Jetson；手部数据侧，Manus Metagloves Pro 与 Metagloves Pro动捕数据手套提供毫米级追踪，manus数据手套、quantum量子数据手套覆盖不同研究场景。
力觉与触觉侧，SenseGlove Nova 与力反馈数据手套提供力觉反馈，Manus触觉反馈手套扩展触觉通道；Nordbo力矩传感器、BOTA六维力传感器、XELA uSkin触觉传感器 与 GelSight Mini、视触觉传感器补充力与接触真值；视觉侧，ZED双目3D相机、ZED2i 与 Stereolabs 生态同步视觉与深度。
应用场景覆盖机器人遥操作数据采集、具身智能数据采集、VLA 后训练、灵巧手研究与部署监控。我们信倍通（ICT）可提供上述硬件与 GR00T、Flora 管线的集成选型支持，帮助团队把视频自动标注与物理真值采集结合，构建完整、可复现的机器人数据采集体系。
