為什麼 Embodied AI 需要數據手套？MANUS 如何整合 NVIDIA Isaac Sim 打造高精度機器人訓練流程
- 1天前
- 讀畢需時 7 分鐘
近年來，Embodied AI（具身智慧） 成為 AI 機器人發展的重要方向。與傳統僅依靠文字或影像訓練 AI 模型不同，具身智慧強調 AI 必須理解真實世界的環境，並透過感知、操作與互動完成任務。
然而，機器人要學會像人類一樣完成抓取、搬運、組裝等精細操作，其中一項重要挑戰，就是如何取得高品質的人類動作資料（Human Demonstration Data）。
在 NVIDIA GTC 2026 中，MANUS 共同創辦人暨 CTO Maarten Witteveen 分享了 MANUS 如何透過資料手套（Data Gloves）整合 NVIDIA Isaac Sim 與 Isaac Lab，建立從人體動作擷取、遠端操控到機器人資料收集的工作流程。
對於正在發展人形機器人、靈巧手與 Embodied AI 的企業及研究單位而言，這也顯示出一個重要趨勢：機器人不只需要 AI 模型，也需要高品質的真實人類操作資料。
Embodied AI 為什麼需要高品質的人體動作資料？
目前許多人形機器人與靈巧手，會透過模仿學習（Imitation Learning）或遠端操作（Teleoperation）蒐集人類示範資料。
操作人員可以透過資料手套、頭戴式裝置或其他動作捕捉設備控制虛擬或實體機器人。每一次抓取、旋轉、捏取與放置，都可以轉換成 AI 模型可學習的資料。
因此，資料品質會直接影響：
手部姿態是否精確
關節角度是否完整
抓取與捏取動作是否能被正確還原
人類操作策略是否能被有效學習
最終機器人的操作表現是否穩定
換句話說，機器人學習的能力，不只取決於模型，也取決於輸入模型的資料品質。
這也是動作捕捉技術逐漸從虛擬製作、XR 與數位內容，延伸至 AI 機器人訓練的重要原因。
傳統光學手部追蹤有哪些限制？
目前常見的 Quest 3、PICO 等裝置，可以透過電腦視覺 ( Computer Vision) 進行手部追蹤。
這類技術具有部署容易、操作直覺等優點，但在機器人訓練情境中，仍可能受到手部遮擋影響。
例如：
手指彼此重疊時可能產生 Self-occlusion
雙手互動時可能遺失部分資訊
抓取、捏取等精細動作需要更高的定位精度
AI 透過視覺模型推估被遮擋的手指位置，仍可能產生誤差
對於一般 XR 互動而言，這些誤差可能不容易察覺；但當人體動作要被直接映射至機器人靈巧手時，手指位置與姿態的精度就變得更加重要。
因此，在需要高精度人體示範資料的機器人訓練情境中，資料手套提供了另一種解決方式。
MANUS 如何透過 EMF 提升手部追蹤能力？
MANUS 採用自行研發的 EMF（Electromagnetic Field）電磁場追蹤技術，透過電磁場感測取得手指的位置資訊。
根據 MANUS 在 NVIDIA GTC 2026 的演講內容，這項技術的其中一項特色，是能降低傳統視覺追蹤受到手部遮擋所造成的影響，特別適合抓取、捏取等需要高精度手部資料的操作。
MANUS 的資料手套同時支援即時資料串流與資料錄製，可將人體手部動作轉換為數位資料，進一步應用於遠端操作、虛擬環境互動與機器人資料收集。
最新的 Metagloves Pro Haptic 則加入 LRA（Linear Resonant Actuator）觸覺回饋，能針對不同手指提供振動回饋。
根據 GTC 2026 演講內容，Metagloves Pro Haptic 支援完整 25 DOF 手部追蹤，並可整合至 Isaac Sim 工作流程。
MANUS 如何整合 NVIDIA Isaac Sim 與 Isaac Lab？
MANUS 在 GTC 2026 展示的重點，不只是資料手套本身，而是如何將人體動作資料串接進 NVIDIA 的機器人模擬與訓練環境。
其基本流程可以理解為：
人體操作＞MANUS Data Gloves＞手部骨架資料＞HMD 空間定位＞CloudXR
＞Isaac Sim＞Retargeting＞機器人靈巧手＞Isaac Lab 資料收集＞AI 模型訓練與部署
其中，MANUS 資料手套負責提供手指追蹤資料；HMD 則可提供使用者在空間中的定位資訊。經過 Retargeting 後，人體手部動作可以映射至虛擬機器人的靈巧手。
這讓開發者能夠先在虛擬環境中驗證操作，而不必每一次測試都直接使用實體機器人。
Digital Twin 如何降低機器人開發成本？
MANUS 在演講中特別展示了數位雙生（Digital Twin）的應用價值。
假設企業正在開發一套新的機器人操作流程，但實體機器人尚未到位，開發團隊仍可以先在 Isaac Sim 中建立虛擬環境，並利用 MANUS 資料手套進行操作測試。
例如：
測試機器人抓取流程
驗證靈巧手操作方式
比較不同機器人手部配置
驗證人類操作是否能正確映射
在虛擬環境中測試產線配置
這種方式可以將部分測試工作提前至虛擬環境完成，降低實體設備測試的成本與風險。
對智慧製造而言，這也代表數位雙生不再只是工廠 3D 視覺化工具，而可以進一步成為機器人操作驗證與 AI 資料收集環境。
從 Teleoperation 到 Embodied AI
遠端操作過去主要被視為控制機器人的方式，但在具身智慧發展下，它同時具有另一項重要價值：蒐集人類示範資料。
操作員透過資料手套控制虛擬或實體機器人，在執行任務的同時產生人體操作資料。
這些資料未來可以應用於：
Imitation Learning
Robot Teleoperation
Humanoid Robot Training
Dexterous Hand Control
Human Demonstration Data Collection
Digital Twin Simulation
因此，資料手套不只是「控制器」，而可以成為人類智慧與機器人 AI 模型之間的資料介面。
愛迪斯科技如何串接動作捕捉與 AI 機器人？
從動作捕捉到 AI 機器人，兩者之間其實存在一條完整的技術鏈：
人體動作擷取 → 數位資料 → 虛擬環境 → 機器人控制 → AI 訓練 → 真實世界部署
愛迪斯科技長期投入動作捕捉、XR、虛擬製作與 AI 機器人整合，因此在 MANUS 資料手套的應用上，關注的不只是單一硬體，而是如何將人體動作資料真正導入機器人開發流程。
例如，資料手套可以作為人體手部動作擷取設備，再搭配 XR、機器人與模擬環境，建立遠端操作與資料收集流程。
在不同專案需求下，也可以進一步串接：
MANUS 資料手套：手部動作與操作資料
動作捕捉系統：人體全身動作資料
AI 機器人：人形機器人與靈巧手
ROS 2：機器人控制與軟體整合
Unity / Unreal Engine：XR、虛擬環境與互動應用
NVIDIA Isaac Sim / Isaac Lab：機器人模擬與 AI 資料流程
因此，企業或研究單位若希望從「購買設備」進一步走向「建立完整 AI 機器人訓練環境」，系統整合能力會成為關鍵。
FAQ｜MANUS、資料手套與 AI 機器人訓練
1. MANUS 資料手套是什麼？
MANUS 資料手套是一種可擷取人體手部動作的穿戴式裝置，可將手指與手部運動轉換為數位資料，應用於動作捕捉、遠端操作、虛擬環境互動與機器人訓練。
2. MANUS 的 EMF 技術與一般光學手部追蹤有什麼不同？
光學手部追蹤主要透過攝影機與電腦視覺(Computer Vision) 辨識手部姿態，因此可能受到手指或雙手互相遮擋影響。MANUS 的 EMF 技術則透過電磁場感測手指位置，可降低視覺遮擋對手部追蹤造成的影響。
3. MANUS 可以用於人形機器人訓練嗎？
可以。MANUS 的手部追蹤資料可以透過 Retargeting 映射至機器人靈巧手，並可進一步整合至機器人模擬與資料收集流程，適合用於遠端操作 與 人類動作數據收集。
4. MANUS 可以整合 NVIDIA Isaac Sim 嗎？
可以。MANUS 在 NVIDIA GTC 2026 展示了 Metagloves Pro Haptic 與 Isaac Sim、Isaac Lab 的整合流程，可將手部追蹤資料導入虛擬機器人環境，進行操作與資料收集。
5. 為什麼 AI 機器人需要資料手套？
AI 機器人需要大量高品質的操作資料進行學習。資料手套可以將人類的抓取、捏取與手部操作轉換成數位資料，作為遠端操作、模仿學習與機器人訓練的資料來源。
6. 資料手套與動作捕捉系統有什麼關係？
資料手套可以視為動作捕捉系統的一部分，主要負責高精度的手部與手指資料。若需要完整的人體示範資料，則可以進一步搭配全身動作捕捉系統，取得身體、手臂與手部的完整動作資訊。
7. 一定要有實體機器人才能開始訓練嗎？
不一定。透過 Isaac Sim 等機器人模擬環境，可以先建立虛擬機器人與操作場景，再利用資料手套進行操作驗證與資料收集。這能讓部分開發工作在實體設備到位前提前進行。
8. 愛迪斯科技可以協助哪些 AI 機器人整合？
愛迪斯科技可依照專案需求，從資料手套、動作捕捉、XR 與虛擬環境，到 AI 機器人與相關軟體整合進行規劃，協助企業與學研單位建立人體動作資料、遠端操作與 AI 機器人訓練相關應用。
結語：從「捕捉動作」走向「訓練機器人」
具身智慧的核心不只是讓 AI 看懂世界，更是讓機器人能夠在真實世界中理解、學習並執行動作。
在這個過程中，人類示範資料扮演了重要角色。MANUS 透過高精度手部追蹤、觸覺回饋與 NVIDIA Isaac Sim / Isaac Lab 的整合，展示了資料手套如何從單純的動作輸入設備，進一步成為 AI 機器人資料收集與訓練流程的一環。
而對企業與研究單位而言，真正的挑戰是如何將動作捕捉、XR、模擬環境、機器人與 AI 訓練流程串接起來。
愛迪斯科技為 MANUS 台灣官方代理商，提供動作捕捉、XR、AI 機器人與系統整合服務，協助企業與學研單位從人體動作資料收集開始，逐步建立遠端操作、數位雙生與 AI 機器人訓練應用。
如果您正在規劃 MANUS 資料手套、人形機器人、靈巧手、遠端操作、AI 訓練資料收集或 NVIDIA Isaac 生態系整合，歡迎聯繫愛迪斯科技，討論適合的技術方案。
