Orbbec将在ROSCon JP 2026大会上将“无机器人”数据平台引入日本

Orbbec于2026年8月4日至5日在筑波举行的ROSCon JP 2026大会上，首次在日本展示了用于物理人工智能（Physical AI）的无机器人数据采集硬件平台。 该平台以 EGO、UMI 和 WristCam 三款设备为核心，分别支持第一人称视角观察、手部与物体交互捕捉，以及腕部级近场数据采集，用于训练机器人技能。

该公司展示了一款名为“Dual Ego”的原型机，该设备配备两台200万像素鱼眼镜头，同步精度达1毫秒，搭载1000赫兹六轴IMU，总重量约为200克。 EGO RGB D系列通过芯片级深度输出，结合其称为“LingBot Depth”的算法，可处理零售和医疗保健场景中常见的透明及反射表面。

Orbbec总部位于深圳，在机器人、物流及零售系统的3D视觉领域享有盛誉。该公司生产可接入机器人感知栈的深度摄像头和传感器，目前正向栈的上游拓展，进军物理人工智能（Physical AI）的数据采集领域。 其设备已应用于日立的 CO URIBA 免提购物系统，以及日本前三名汽车制造商之一开发的自主医院物流机器人中，这使 Orbbec 得以直接了解日本实际运营中的各种限制。

Orbbec将人体穿戴式传感定位为机器人数据收集的新主力

其核心理念简单且具有商业实用性：与其依赖大量昂贵的机器人来生成交互数据，不如在人类工人和研究参与者身上佩戴轻量级同步传感器，从而采集数小时经过良好标注的以自我为中心的序列数据，用于训练操作和导航策略。通俗地说，这就像是人体的行车记录仪和卷尺。

物理人工智能模型需要以高时间分辨率同步记录佩戴者所见、双手动作以及环境状况的配对观测数据。Orbbec的EGO设备可提供第一人称视角的RGB-D数据流和UMI

该系统针对手部与物体交互的视角，而WristCam则用于捕捉近距离、易受遮挡的场景——此类场景往往会让机器人难以应对。Dual Ego原型机实现了高度同步，这在融合多视点数据以完成接触密集型操作或快速重新抓取等任务时至关重要。

对于开发服务机器人的日本开发者而言，这种方法降低了数据集生成的前期成本和复杂性。大学和企业实验室可以先利用人员和传感器进行测试，而无需在医院、商店或工厂中部署完整的机器人。这既减少了安全审批流程，又加快了迭代速度，这与日本那种谨慎但要求严格的采购文化相契合。

该公司以 EGO UMI 和 WristCam 为核心构建该平台

EGO 是一款专为第一人称视角捕捉设计的头戴式设备，在芯片级提供 RGB D 输出。这种芯片级的深度处理至关重要，因为与将深度计算卸载到通用处理器相比，它能降低功耗并减少延迟。 Orbbec将其与LingBot Depth相结合，这是一种增强管道，旨在恢复玻璃质和光面物体上的深度信息——此类物体历来是立体视觉和结构光系统难以应对的挑战。

UMI 专注于双手以及工具与产品相互作用的精细区域。这是操作中的“微观舞台”，视角在此至关重要。在更靠近双手的位置安装第二台广角或窄角摄像头，能提高捕捉抓取器所需关键瞬间的概率，例如瓶盖的拧动或拉链的对齐。

WristCam 则提供了更近的视角。虽然腕部摄像头看似多余，但它们往往能为抓取和插入操作提供最有价值的数据，因为它们能够捕捉头戴式设备视线范围之外的画面。WristCam 数据有助于训练算法解决遮挡问题，并规划能够避开自身碰撞或桌边障碍的运动轨迹。

“Dual Ego”原型机则完善了硬件配置。两台200万像素的鱼眼镜头摄像头同步工作，

毫秒级精度，配合1000赫兹的六轴惯性测量单元（IMU），可实现实验室级的时间对齐。这种同步精度让研究人员在将快速手部动作与视觉变化进行关联时充满信心，这对训练那些依赖动作与观察之间精确时间耦合的模型至关重要。

通过 LingBot 增强的芯片级深度感知技术可应对玻璃和眩光问题

透明和反射性材料是深度传感器公认的故障源。带有收缩膜的零售货架、装有亚克力隔板的药房柜台以及不锈钢医院推车都可能产生无效的深度回波。Orbbec 认为，集成式深度处理管道结合专有增强技术，足以弥补这些差距，从而避免算法因过度拟合理想场景而失效。

芯片级深度意味着在传感器旁设有专用的深度处理模块，这应能减少抖动和延迟。这使得自我运动补偿更加稳定，并与IMU数据实现更精准的对齐，这两点对于里程计和重建短暂的接触事件都至关重要。 LingBot 深度增强技术被定位为一层附加层，它利用已学习的先验知识来填充棘手的表面，同时避免产生严重的幻觉误差。

日本市场正是验证这一主张的绝佳试验场。 零售商重视整洁的陈列效果，而医院则通过光洁的设施来维持高卫生标准。如果EGO设备能在这些条件下生成一致的点云，开发者将节省数小时的标注清理和策略调试时间。若无法做到，基于这些数据构建的系统将存在脆弱性，并在后续试点中显现出来。

日本为物理AI数据采集提供了理想的实践试验场

日本的人口结构和产业构成对服务自动化产生了强劲的推动力。人口老龄化以及零售、物流和医疗保健领域持续存在的劳动力短缺，正促使企业采用辅助系统，以减轻重复性劳损，并让员工腾出时间来

面向客户的任务。与此同时，人们对可靠性和安全性的期望很高，而采购周期要求提供基于当地实际情况的证据。

ROSCon JP 正是体现了这种务实精神。 这是一场技术盛会，研究人员、系统集成商和企业研发团队在此交流经验，探讨ROS部署中哪些方案可行、哪些不可行。Orbbec展示了一套经过同步校准的以自身为中心的设备，以及已在日立零售实验和医院物流机器人中得到验证的深度摄像头，这比单纯的幻灯片演示更能提升其公信力。

筑波市也至关重要。该市汇聚了专注于机器人技术和材料科学的顶尖研究机构和企业实验室。毗邻大学和国家实验室，增加了该平台在真实评估框架（如操作基准测试和结构化建筑内的导航）中接受测试的机会。众所周知，日本开发者在做出任何采购决策前，都会对供应商的硬件进行压力测试。

零售和医疗领域展现出短期需求信号

CO URIBA的免提购物项目预示了规模化的发展路径。 免提购物系统需要可靠的顾客身份识别、货架库存感知以及行为理解能力，以最大限度地减少商品损耗并准确结算。以自我为中心的数据是一种强大的训练方法，可让模型从顾客视角追踪物体交互，进而为负责识别相同交互（且无需佩戴传感器）的商店摄像头模型提供参考。

医院则呈现出一种不同但同样重要的需求特征。自主物流机器人需要处理推车、门和电梯，且必须在不干扰工作人员的情况下运行。为了训练机器人抓握把手或在拥挤的走廊中导航，来自护士和护工的以自我为中心（egocentric）录像提供了关于时机和运动模式的真实数据，而这些是地面安装的摄像头所无法捕捉到的。 WristCam和UMI模块可提供所需的手部中心数据

用于对输液架、储物箱和托盘进行稳健操作。

日本顶级汽车制造商正越来越多地将医院机器人作为先进自动驾驶技术的试验场。医院环境虽然结构化但模式多变，能够对感知、规划以及人机交互能力进行测试。 某家采用Orbbec 3D视觉技术的三大汽车制造商之一将其应用于医院机器人，这表明该公司的传感器满足了基本的耐用性和校准要求。添加人体佩戴式数据采集系统，可作为下一代机械臂策略训练的先导步骤。

供应链影响波及光学、惯性传感器和计算领域

构建一套同步、轻量化的以自身为中心的系统，既是一项算法挑战，也是一项供应链挑战。双鱼眼镜头模块需要稳定的镜头供应商和严格的校准。 腾龙（Tamron）和光和（Kowa）等日本企业正与中国供应商如葳盛光学（Sunny Optical）和奥飞（Ofilm）争夺这些组件的供应。企业采购方将密切关注日本本地采购与中国大规模制造之间的平衡。

惯性测量单元（IMU）的选择与集成本身就蕴含着风险与机遇。1000赫兹的六轴数据流通常来自TDK和InvenSense的部件，这为Orbbec在日本提供了潜在的本地合作伙伴优势。 高采样率的IMU功耗更大且发热量更高，因此电源管理和散热将影响设备的外形设计及佩戴舒适度。电池组必须通过日本的PSE认证，这增加了另一层合规要求。

边缘计算和存储方案的选择同样至关重要。尽管深度处理管道由芯片处理，但以自我为中心的设备仍需对带有同步元数据的多路视频流进行压缩和存储。这意味着需要采用嵌入式处理器和具备足够吞吐量的NVMe存储，以支持高帧率的鱼眼镜头视频流。 在设备上或通过连接线集成兼容 ROS 的中间件将影响该技术的采用，因为研究人员非常重视时间戳和 bag 文件的完整性。

可维护性绝非小事。可现场更换的电缆和安装支架、防汗外壳以及快速底座充电功能，都可能决定试点项目的成败。 如果Orbbec将EGO、UMI和WristCam打包成包含备件和校准工具的模块化套件，将有助于消除采购方面的顾虑。如果这些套件需要频繁进行工厂校准，总拥有成本将会上升，而日本买家往往会严格计算生命周期成本。

来自全球及国内视觉供应商的竞争压力日益加剧

在追逐用于机器人训练的以自我为中心的数据方面，Orbbec并非孤军奋战。Stereolabs 销售可头戴式的 ZED 相机。Luxonis 力推配备板载 AI 加速功能的 OAK 模块。尽管英特尔的企业战略重心已发生转变，但其 RealSense 产品线在实验室中仍具有长尾效应。 索尼和松下拥有深厚的成像产品组合，并在日本拥有强大的渠道布局，有望将传感器与企业服务捆绑销售。

除了硬件之外，科技巨头的研究还为市场注入了以自我为中心的数据集和实践。 Ego4D等项目，以及来自谷歌、英伟达和大学实验室的机器学习操作模型，正在塑造人们对数据格式和标注规范的预期。如果买家决定采用这些生态系统作为标准，Orbbec的价值将取决于其数据流能多高效地集成到主流工具链中。ROS兼容性固然有帮助，但开发者更关注驱动程序质量、固件稳定性以及社区支持。

当地的既有企业同样至关重要。Preferred Networks和丰田研究部门已为操纵和自动驾驶构建了内部数据管道。他们可能会选择自建设备并进行定制校准，以掌控知识产权和质量。这为大学、初创公司和二级系统集成商留出了现成套件的市场空间。 Orbbec在日本实现规模化发展的路径，很可能就是通过这些群体，并借助与系统集成商的合作来实现。

免责声明：本文仅供参考

且不构成财务或投资建议。