随着人形机器人的研发与应用迈入一个全新的发展阶段，当前对机器人的要求已不仅限于执行基本的运动指令，更期待其动作表现能够趋近于人类的自然流畅，甚至达到高度的拟人化水平。而动作捕捉技术正是实现机器人拟人化动作的关键技术之一，且重要性日益凸显。

人体动作捕捉技术，可精准记录并重现人体在三维空间内的动态行为。广州虚拟动力惯性动作捕捉技术，利用固定在人体关节上的传感器（如陀螺仪、加速度计等）来测量并计算关节的运动数据，进而在虚拟环境中高精度重建并再现这些动作。将其运用于机器人的动作训练，可使得机器人的动作库得以丰富，动作表现更加细腻、自然。

而广州虚拟动力最新上线的无穿戴动作捕捉技术，主要通过先进的计算机视觉算法和深度学习技术，实现对人体动作的实时捕捉与分析，无需佩戴任何传感器或标记点，大大提升了用户的舒适度和自由度。无穿戴动捕技术在人形机器人的训练运用中，将以其无设备束缚和灵活性的特点，有效增强机器人对人类动作的识别、学习与模仿能力。

在人形机器人的开发训练中，通过惯性动作捕捉技术与无穿戴动作捕捉技术，开发者能够高效地将人类的复杂动作序列转化为机器人可执行的指令，大大缩短了机器人的训练周期，提升了其适应多样化任务的能力。

更重要的是，随着大量动作捕捉数据的积累与分析，结合惯性动作捕捉与无穿戴动作捕捉技术的优势，人形机器人的智能算法得以不断优化。这些算法能够更准确地理解人体运动的内在规律，从而进一步提升机器人的决策与执行能力，可以为实现更高水平的自主行动与交互奠定了坚实基础。

惯性动作捕捉技术与无穿戴动作捕捉技术在人形机器人领域的深入应用，不仅可以对现有技术进行革新，更能推动智能机器人产业迈向更高层次发展。随着技术的不断成熟与普及，未来的人形机器人将更加智能、灵活，更好地服务于人类社会，开启人机交互的新篇章。

利亚德近期动态交流会

问：在人形机器人领域，公司具体做了哪些布局，有哪些产品技术规划，以及市场未来的前景如何？

答：目前智能行业进入高速发展期，高盛和gartner数据显示这是一个市场空间巨大、天花板极高的行业。在国内，从去年工信部到地方政府出台了一系列针对机器人具身智能的政策扶持，行业和政策环境都非常有利。最近全球范围内，无论是海外OpenAI在大模型算法的提升，谷歌发布的量子芯片对信息处理的推动，都预示着这个领域正迎来一个爆发的契机。

问：人形机器人产业链中，软件和数据的价值层面如何体现？

答：在当前讨论人形机器人产业链的逻辑图中，硬件如电池、电机、轴承等固然重要，但往往忽略了软件和数据对于整个产业链的价值。实际上，算法和数据决定了机器人智能能力的上限，它们帮助机器人识别并实现人类期望的认知、决策、交互、行为等功能。利亚德在这一领域进行了长期的探索和动作捕捉研究，致力于将人形数据应用到集成智能和人形机器人中，以提升机器人的智能化水平。

问：虚拟动点在人形智能产业中的核心能力和定位是什么？

答：虚拟动点的核心能力主要集中在数据、服务、算法和硬件四个方面。我们在多年前就开始进行动作捕捉，积累了丰富的人形数据，并将这些数据转化为机器人训练的数据集。我们的定位不是制造传统的机器人本体，而是聚焦于赋能机器，特别是为其提供感知空间、决策行动和控制动作的能力，让机器在行动上达到更高的智能化效果。可以类比华为在智能汽车领域的定位，我们致力于让机器更智能，而不直接制造机器人。

问：在数据质量方面，你们相较于其他企业有何优势？

答：我们的数据质量非常高，精度可达0.1毫米，正负0.5度，这得益于我们自主研发的光学定位技术。这种高精度的技术参数使得我们为机器提供的训练数据质量极为出色。

问：你们在提供机器人训练数据服务时有哪些特点？

答：我们不仅提供将人的数据转换成机器人可用数据的服务，还提供基于真人数据或模拟训练方式的机器人训练服务。在算法层面，我们专注于空间计算，能够为机器人提供空间感知、行为决策及肢体控制算法。

问：在硬件方面，你们有什么独特之处？

答：我们在光学和滚动无标记技术上基于摄像头作为图像传感器采集图像，相当于机器人的眼睛。我们拥有自主的办公环境用于动物动作采集，并且已经建立了可观的人形动作数据库，甚至在此基础上升级到机器人的动作数据库，为后续的机器人训练提供了数据支持。

问：你们如何帮助机器人进行训练？

答：我们支持仿真训练和机器人本体的拟人化训练这两种主要的机器人训练路线，并且将在本月月底举办针对机器人机身智能的发布会，展示基于我们的算法和数据运行的效果。

问：虚拟动点在利亚德体系中能为机器人提供哪些服务和能力？

答：我们能从前期为机器人提供感知观察，到判断目标位置，再到决策动作并反馈执行，整个链条我们都可提供支持。具体包括摄像头能力、视觉算法、位置算法以及动作训练，匹配感知、观察、判断、决策和行为五个步骤。

问：对于空间算法在机器人本体的应用，你们的技术路线是什么？

答：我们采用的是与马斯克先生提出的积极视觉思路一致的技术路线，即基于机器视觉的观察、判断进而进行下一步的决策和行为控制。

问：你们在产业链中的定位和优势是什么？

答：我们的最大优势在于长时间积累的空间计算和动作捕捉领域，技术布局广泛且完整，尤其是在光学定位技术和机器视觉无标记点定位技术方面处于全球领先地位。此外，我们还有动态模型的发布，以及细分领域的硬件优势，如相机制程能力、光学识别系统控制能力等，并且拥有业内领先的数据积累和丰富性，无论是在训练大模型还是机器人数据集方面。

问：公司在机器人动作方面的投入和布局是怎样的？

答：公司在机器人动作方面进行了巨大投入和布局，认为如果机器人能更接近人的动作，将大幅提升生产效率，并且在生活服务、工业生产、展厅工作等多个领域都有广泛应用前景。

问：是否有考虑加入硬件产品以提供综合化解决方案？

答：公司已着手于图像识别传感器这一硬件部分，并在摄像头技术上有成熟应用。此外，也在探索算法与AI芯片的融合，提升本地算力及机群肢体控制能力。

问：模型训练是使用AI服务器还是其他平台？

答：模型训练主要看数据量大小，小规模测试训练可使用本地服务器集群，大规模复杂数据则可能需要云服务。目前阶段，公司使用自有算力集群服务器，同时与华为云、阿里云等主流云服务商有合作，未来大规模算力迁移具备成功条件。

问：在机身智能市场中，您认为目前的核心竞争点是什么？未来会不会有更多的玩家进入该领域，竞争格局会有何变化？

答：首先，任何产业如果没有门槛，盈利空间就会受限。我们公司的毛利率高达70%左右，这说明我们的门槛相对较高。我们在动作算法领域拥有多年积累，特别是在数据资产和空间计算方面，形成了较大的竞争优势。通过与不同应用场景的合作，我们不断积累数据资产，进一步加大了竞争门槛。因此，我们认为竞争对手要想在短时间内赶超我们具有一定难度。

问：我理解下来，您的意思是公司的核心优势主要在于数据资产这一块，并且下游应用市场的打开使得这部分数据资产的价值得以体现，是这样吗？

答：正是如此理解。我们过去积累的数据资产现在随着下游应用市场的打开，迎来了很好的发展机遇。除了现有提到的应用领域外，我们在其他行业如游戏、媒体等领域也展现出广泛的应用潜力，尽管目前还未大量应用，但市场前景广阔，我们已处于领先位置。