案例基于EgoScale：用不同的以自我为中心的人类数据来衡量灵巧手的操作。挑战像拧开盖子、使用工具和精细的手指控制等灵巧的机器人操作训练成本很高。目前的方法依赖于大量的遥操作机器人演示，这种演示速度慢，而且规模昂贵。与此同时，人类每天都会产生大量灵巧的操作数据，但将这些知识转移到机器人身上仍然具有挑战性。解决方案EgoScale将大规模以人为中心的视频作为主要训练资料来源，并通过以下方式将其与精

在仿真软件中收集高质量的灵巧操作数据要求输入设备能够真实地捕捉人手运动的全部动作。MANUS手套，现在原生集成到英伟达NVIDIA Isaac实验室2.3版本中，以直接解决该需求。在演示中，操作员使用MANUS手套远程操作Sharpa Wave，这是NVIDIA IsaacLab内的一个22自由度灵巧机械手，将自然的手部运动转化为毫米级保真度的实时机器人关节控制。灵巧手操作中的数据质量瓶颈模拟优先

TESOLLO DG-5F-S 是一款紧凑且轻便的机器人手，优化用于与各种人形平台集成。具有类似人类手的外形和不到1公斤的轻量化设计，它被设计用于执行复杂的抓取和操作任务。TESOLLO DG-5F-S支持复杂的任务，如使用工具、无结构物体处理以及精确装配和固定。特别为仿人研究团队设计，DG-5F-S 使灵活部署于各种平台开发和研究实验环境中的操作性能验证成为可能。主要特点1.独立20自由度关节控

机器人手爪专家Tesollo宣布，已经开发出“DG-5F-S”，这是一种新型人形机器人手，是其现有旗舰产品的紧凑和轻便版本。该产品计划于今年上半年正式推出，原型将在CES 2026上首次亮相。

“RoboBrain-Dex：多源自我中心训练用于集成灵巧视觉-语言-行动模型”。灵巧手遥操作目前为止仍然是机器人技术中最具挑战性的前沿领域之一。尽管视觉-语言-动作模型在通用机器人能力方面表现出很大潜力，但其面临一个关键瓶颈：灵巧手技能的大规模学习、动作注释数据稀缺。传统遥操作方法成本高且耗时，而现有的人类运动数据集则存在视角依赖、遮挡和捕获环境受限等问题，这限制了它们在机器人训练中的应用。北京

人工智能机器人培训MANUS数据手套的可扩展学习使用MANUS手套训练机器人灵巧的手：专为超精确手指跟踪和实时动作捕捉而设计。手套可以捕捉高分辨率的运动数据无缝集成到机器学习管道中-支持开发类似人类的抓取和操纵行为。轻松的人工智能模型集成机器人学习的精确演示用于机器学习算法的优化数据与ROS 2和SDK的机器人控制集成使用机器人手套远程控制机器人：将实时数据流传输到ROS 2(机器人操作系统)。M