当前视觉操作（VLA）、具身模仿学习算法普遍存在数据采集门槛高的问题：主流训练方案依赖大量机器人遥操作轨迹，单套双臂设备采集数十小时数据，人力与硬件损耗成本高昂；同时算法高度绑定特定机械臂，跨设备零样本泛化能力薄弱。马里兰大学发表相关 HumanEgo 框架给出全新解法，主实验真实场景验证基于 Trossen Robotics WidowX AI 双臂工作站（Stationary AI 套件）完成。
一、HumanEgo 框架核心技术链路
HumanEgo 核心逻辑是彻底脱离机器人采集环节，仅使用普通人佩戴 Meta Aria 智能眼镜（MPS 感知管线）录制分钟级第一视角视频训练操作策略：
1.数据采集端：Meta Aria 内置 MPS 感知管线，原生输出高精度 6DoF 相机 SLAM 轨迹、21 点手部三维关键点、同步 RGB 画面，无需实验室标定，居家场景即可完成倒水、收纳、取物等任务演示；
2.算法核心创新：提出交互中心 Token (ICT) 表征，剥离相机、机械臂运动学差异，只保留手与物体的相对空间关系；搭配多稠密辅助目标流匹配策略，充分挖掘少量人类视频内监督信号；
3.量化实验结果：仅 15 分钟人类演示视频平均任务成功率 75%，30 分钟数据可达 92.5%，同等时长下性能超越遥操作基线 41%，支持跨 WidowX AI、UR10、Franka 三类机械零样本泛化。
二、实验真机硬件：Trossen WidowX
论文四组居家实操任务均采用两台 WidowX AI 组成Stationary AI双臂工作台：
1.单臂硬件参数：6 自由度串联结构，配套平行夹爪末端执行器，最大有效载荷 1.5kg，末端重复定位精度 ±1mm；
2.实验部署方案：工作台上方架设 Intel RealSense D405 作为全局唯一视觉输入，全程未启用机械腕部相机，严格复现算法纯全局视觉训练逻辑；
3.平台适配优势：开源底层控制接口，兼容 MuJoCo、ROS、各类视觉大模型，是可开展双臂模仿学习对照实验的常用科研硬件。
三、算法与硬件协同科研价值
HumanEgo 框架具备硬件无关特性，训练完成的策略可零样本迁移至 WidowX AI、Franka、UR10 多类机械臂；对于课题组而言，搭配 Trossen WidowX AI 双臂设备，可大幅缩减机器人数据集采集周期，快速迭代居家柔性抓取、多物体整理类具身 AI 模型。
论文 arXiv 查阅链接：https://arxiv.org/abs/2605.24934
欢迎关注 “欣佰特科技” ，持续为大家带来 “具身智能领域” 前沿技术及应用！详情可邮件咨询sales@cnbestec.com
