在仿真中采集高质量的灵巧操作数据需要一种能够忠实捕捉人手完整运动范围的输入设备。MANUS手套现已原生集成到NVIDIA Isaac Lab 2.3中，可直接满足这一需求。在本演示中，操作人员使用MANUS手套远程操控一款22自由度灵巧机械手，在 NVIDIA Isaac Lab中将自然的手部运动转化为毫米级精度的实时机器人关节控制。
灵巧操作中的数据质量瓶颈
从人手到机器人政策
MANUS手套旨在以毫米级精度捕捉手部的全部运动范围，并在长时间操作中保持稳定，不会出现漂移。它们原生支持 NVIDIA Isaac Lab 2.3，可将高保真度的手部追踪数据直接传输到仿真环境中，从而消除通常会减慢数据采集流程的设置步骤。
在这个应用案例中，操作人员佩戴MANUS手套，在 Isaac实验室内实时远程操控 1:1 拟人化的22自由度Sharpa机器人。手部动作直接映射到机器人关节位置，从而创建以自我为中心的远程操作界面，尽可能自然地捕捉手指的全部运动学特征。
录制的演示数据直接输入到Isaac Lab Mimic中进行增强和扩展，然后输入到模仿学习管道中，所有这些都在模拟环境中进行，然后再进行任何实际部署。
操纵策略所依赖的精确度
MANUS数据手套可实时捕捉每一根手指的细微动作，提供灵巧操作研究所需的精准、稳定、无遮挡的手部追踪，并原生集成到 NVIDIA Isaac Lab工作流程中。
