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：
-
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；
-
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；
-
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：
-
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；
-
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；
-
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