一、训练级示教数据瓶颈
随着 模仿学习 与 强化学习 规模化落地，示范数据的图像质量与端到端采集延迟成为瓶颈。传统方案以消费级 USB 相机为主：分辨率多为 720p 级别、依赖 CPU 中介管线、卷帘快门在高速运动下产生运动模糊，多相机数据流存在时间漂移，难以支撑高质量训练。
图6 Stereolabs ZED X Mini（全局场景 + 立体深度）
二、工程方案：三相机双臂平台
Trossen Robotics 与 Stereolabs 的合作给出了工程化答案：将 ZED X Mini 、ZED X Nano 集成至 Workbench 固定式与 Rivet 移动式 双臂平台 。双 WidowX Pro 六自由度机械臂（工作范围 700--1000 毫米、载荷 4--6 千克、重复精度 1 毫米）搭配板载 NVIDIA Jetson AGX Orin 64 GB，出厂即完成三相机视觉系统标定。
图8 ZED Box 2 连接 4×ZED X 与 4×ZED X One S，实现 8 相机环视
三、技术要点：全局快门·近距深度·同步
视觉架构对标先进操纵策略的训练方式：中央 ZED X Mini 提供全局场景与立体深度上下文，腕部 ZED X Nano 提供夹爪与物体近距画面。ZED X Nano 采用双 2.3MP（1920×1200）全局快门传感器，无卷帘运动模糊；神经深度引擎从 3 厘米起解析几何；GMSL2 连接配合锁紧、抗 EMI 线缆，三相机确定性同步；零拷贝管线让录制、编码、推理并行，无静默丢帧；板载防振 IMU 保障高速运动下腕部视角可用。
图7 Stereolabs ZED X Nano 腕部相机（GMSL2 零拷贝管线）
四、 数据生态：RGB+深度直达训练
每一组遥操作示教均输出为干净、同步、多视角的 RGB+深度训练样本，可直接用于 模仿学习 、强化学习 与 sim-to-real 工作流，原生支持 ROS 2 、NVIDIA Isaac Sim /Isaac Lab。配套的 ZED Box 2 系列支持最多 8 路 GMSL2 相机硬件同步环视，Max 版本峰值 2070 FP4 TFLOPS，可机载运行视觉-语言-动作（VLA）模型。
五、落地价值：从集成走向策略
对机器人团队而言，这套方案把精力从"集成与标定"释放到"数据与策略"，是 Physical AI 从实验室走向工业部署的关键基础设施。
| 产品 | 典型应用场景 | 解决的痛点问题 |
|---|---|---|
| ZED X Mini | 双臂平台全局感知、工作空间建模、全局策略训练 | 标定不统一、全局场景缺失、户外远距感知弱 |
| ZED X Nano | 腕部近距抓取、精细操作示教数据采集 | 运动模糊、近距深度盲区、多视角时间漂移 |
| ZED Box 2 系列 | AMR 环视、人形机器人感知、多相机数据采集、工业机械 | 多相机同步难、算力分散、接口繁杂、部署周期长 |
| Workbench / Rivet | 模仿学习/强化学习数据采集、遥操作研究、双臂操作开发 | 自行组装成本高、数据质量低、集成标定周期长 |
表1 应用场景与痛点对照
六、应用场景
本稿主推的 ZED X Mini / ZED X Nano 与 Trossen Workbench / Rivet 平台，主要应用于：具身智能 与 Physical AI 示范数据采集（模仿学习 、强化学习 、sim-to-real ）；双臂精密操作与抓取研究；移动操作平台与遥操作开发；以及 AMR 导航、人形机器人感知、仓储物流自动化等 机器人视觉 场景。配合 ZED Box 2 系列边缘 AI 一体机，可覆盖从实验室数据采集到工业规模化部署的完整链路。
七、解决痛点问题和解决方案
传统自组装采集方案存在分辨率偏低、标定不一致、运动模糊、多视角时间漂移、集成调试周期长等痛点。本方案通过"全局+近景"三相机视觉架构（ZED X Mini + 2×ZED X Nano ）、GMSL2 确定性同步与零拷贝管线、出厂标定一体化平台，输出干净、同步、多视角的 RGB+深度训练样本，将团队从相机集成与标定中解放出来，专注数据与策略，加速 Physical AI 从实验室走向工业部署。
更多相关资讯，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