作为机器人运动训练关键位置的手部训练今年正在成为机器人训练中的聚焦热点，Manus数据采集手套作为机器人手部训练的关键工具正在被国内外多家机器人、灵巧手公司使用，以训练其产品模拟更加真实、更加拟人的手部动作。
在机器人训练中机器人与真实世界中的各种物体互动最关键的部位在于手部。真实的手指动作能够为机器人提供更加精准的交互结果。如在电池箱中挑捡出特定的电池、在一叠A4纸中拿取最上部的一张纸，这种精细的动作通过编程也能够实现但局限性在于编程无法根据真实世界的实际情况变化。经过AI训练的机器手经过多次训练后能够精准适用于在真实世界中与物体交互等任务，通过Manus数据手套采集的精确数据+AI大模型训练完美的应对了这一挑战。
本文将就《人形机器人运动训练线上交流会》中的Manus演讲部分深入分析，以帮助大家了解Manus数据采集手套训练机器人灵巧手相关应用实例。
全新手套设计
卓越舒适性
-
针对长时间佩戴优化的舒适性设计
电子系统高度集成
-
无线缆干扰
直观触觉反馈
精准触觉反馈
-
120Hz 控制频率，支持256 级动态反馈
超低延迟
-
4-16毫秒
卓越手指追踪能力
高精度手指追踪
-
行业领先的毫米级精度数据
-
不受遮挡限制
-
无漂移
低延迟性能
-
30-50毫秒
进阶手部解算模型
-
原始骨骼数据（关节角度/ 位姿）
-
重定向骨骼
-
原始传感器数据
高度兼容性
-
MANUS Core 生态系统
-
永久授权，版本绑定
实时集成
-
Unity
-
Unreal Engine
-
OpenXR
-
IC.IDO
-
ROS2
-
SDK
离线数据支持
-
数据录制与导出
技术概览
-
每只Metaglove Pro Haptic 可生成电磁场
-
每根手指配备6DoF 电磁传感器（EMF），用于测量其在电磁场中的位置与旋转
-
通过MANUS Hand Solver 3，对手部17 个关节的运动进行计算与还原
-
每根手指集成LRA 触觉模块，提供一维振动触觉反馈
-
手部配备9DoF IMU 传感器，用于测量手部姿态
-
手部骨骼的实际尺寸通过用户校准进行确定
规格
手指追踪传感器
-
5 个EMF 传感器，支持三轴位置与三轴旋转追踪（6DoF）
-
120Hz 传感器采样率
-
低延迟运动到数据输出（有线30ms，无线50ms）
触觉反馈执行单元
-
5 个LRA 振动马达，提供单维振动触觉反馈
-
120Hz 触觉控制频率，支持256 级动态强度（每指）
-
超低延迟触觉反馈（有线4ms，无线16ms）
连接方式
-
无线接收器（支持Bluetooth 5.0）
-
有线连接：USB 2.0 Type-C
-
数据传输速率最高120Hz
-
支持搭配Bodypack Lite，实现远距离Wi-Fi 数据传输
电池
-
可更换Metagloves Pro Haptic 电池
-
最长连续使用时间：3 小时
-
充电时间约2 小时（USB Type-C 或MANUS 充电底座）
应用场景｜遥操作
TESOLLO 机械手+ Franka 机械臂
MANUS 手套实现高精度手指控制
基于ROS 2 的自然手臂与手部协同操控
应用场景｜具身智能数据采集
Neura Robotics
支持从仿真到真实环境的AI 训练
高精度人类示教数据采集（灵巧操作）
加速real–sim–real 训练闭环，实现高效技能迁移
应用场景｜生命科学
帕金森手部运动迟缓分析
高精度运动数据支持客观量化评估
结合运动学指标与信号分析
支持早期诊断、远程评估与长期监测
应用场景｜VR** 训练**
MIT 使用MANUS 手套进行沉浸式神经外科训练
支持精细操作控制与精准器械操作
实现手部定位与操作精度提升
应用场景｜娱乐
支持高表现力手部动画（特效 / 数字角色）
手部动作与全身动捕同步，实现拟真表演（MANUS Core）
实时驱动实体机器人手，实现虚实融合
