OpenLET委员会成立，瞄准具身智能底层基础设施
2024年9月，一个名为OpenLET的行业标准组织正式成立。该委员会由来自机器人、AI和动作捕捉领域的12家企业联合发起，旨在建立统一的具身智能（Embodied AI）数据采集与标注标准。其中，虚拟动点（OptiTrack）作为唯一动作捕捉设备厂商加入，被视为其在行业话语权提升的关键一步。
动作捕捉数据：具身智能训练的“燃料”
在具身智能系统中，机器人需要通过大量真实世界的交互数据进行训练，以掌握抓取、行走等基础能力。这些数据通常包含三维空间中的物体位置、姿态变化以及人体运动轨迹。据估算，当前主流大模型在视觉-语言任务上的训练成本已突破数亿美元，而具身智能的数据获取成本更高。
虚拟动点的解决方案基于红外光学追踪技术，其旗舰产品Motive 3.0系统可实现亚毫米级精度。该公司数据显示，其全球客户包括NASA喷气推进实验室、波士顿动力及多家头部高校实验室。加入OpenLET后，虚拟动点将贡献其在高速运动捕捉方面的专有算法，特别是针对多目标遮挡情况下的姿态解算优化。
标准之争背后的商业逻辑
过去五年间，具身智能领域出现了三种主流数据采集范式：一是使用仿真环境生成合成数据；二是依赖RGB摄像头进行视觉伺服控制；三是采用高精度运动捕捉系统构建真实物理世界样本。
波士顿动力首席科学家马克·雷伯特曾公开表示：“仿真数据缺乏物理真实性和材质细节，而普通摄像机的深度信息误差可达30%以上。”虚拟动点CEO张君毅在接受采访时指出：“OpenLET试图解决的是跨设备、跨场景的数据互操作性问题——当一台机器人用Motive采集数据，另一台用Vicon采集时，如何保证行为序列的一致性？”
中国企业的缺席引发争议
值得注意的是，此次OpenLET委员名单中未出现任何中国企业身影。这一现象引起业内关注。有分析认为，这可能与数据主权法规有关。欧盟《人工智能法案》要求训练数据需符合本地存储规范，而虚拟动点的服务器目前主要部署在美国加州。
尽管如此，国内动作捕捉厂商如诺亦腾已开始布局自研的分布式数：“我们正开发基于轻量化IMU阵列的替代方案，目标是将端到端延迟控制在5ms以内。”
技术路线的分野
目前，OpenLET工作组划分为三个子团队：数据采集协议组、元数据结构组和评估基准组。虚拟动点参与前两个小组的工作，重点研究如何在不同采样频率（最高支持10kHz）下保持时间戳同步精度。
与此同时，谷歌DeepMind提出的“Sim2Real Bridge”项目采用对抗生成网络弥合虚实差异，其2023年发布的成果显示，在抓取任务中可将真实世界误差降低42%。这种技术路径与OpenLET强调的真实数据采集形成互补。