UR/FR3 双臂与机器人同台：MOXI 无线动捕j-mex Agilemaster 如何统一动作接口

做具身智能和模仿学习（Imitation Learning）的团队，近几年都绕不开同一个瓶颈：策略模型越来越强，但高质量的人类示教数据（Demonstration Data）仍然稀缺。光学动捕棚精度高，但部署成本和场地约束让很多课题组只能“排期借设备”；自研外骨骼又重、标定繁琐。j-mex Agilemaster给出的，是一条更轻、更贴近工程落地的路线——以 MOXI 全身无线动捕系统作为主端采集入口，搭配 Manus 数据手套，经 SDK 运动学重定向，直接驱动物理人形机器人与 UR、FR3 双臂机器人。

MOXI 全身无线动捕服（j-mex Agilemaster）：15 个 IMU 节点、全无线、实时机器人遥操作

从架构上看，整套系统分三层。采集层由 MOXI 科研级无线动捕系统承担：15 个 IMU 传感器分布于躯干、大臂、小臂、大腿、小腿与足部，完全无线，不需要在实验室顶部架设光学标记点，也不受快速运动下的遮挡影响，适合走动、转体、双臂协同这类连续动作的连续采集。手部数据由 manus 数据手套同步接入，视频中同时出现了 Manus Metagloves Pro 与 Manus Metagloves ProHaptic触觉反馈手套，指节屈曲、外展与接触信息被纳入同一条数据流。

Live Humanoid Control（j-mex Agilemaster）：操作者动作实时镜像到双足人形机器人

处理层是 SDK 的人体运动学重定向（retargeting）。MOXI 惯性动捕系统输出的是“人体骨骼空间下的关节角”，而不是某一款机器人的电机指令；SDK 完成骨骼映射、工作空间标定与零空间投影后，同一套人体动作可以分别下发到运动学结构完全不同的本体——双足人形、UR 协作机器人双臂、FR3 双臂机器人。这正是演示后半段四通道仿真同时运行的意义：人形模型与双臂模型跟随同一操作者，一次采集、多本体复用。

UR 协作机械臂双臂：主端叠毛巾动作经重定向后协同复现（j-mex Agilemaster）

执行层的三类任务覆盖了具身智能研发的典型场景。人形机器人阶段验证全身姿态跟踪与平衡跟随；UR 协作机器人阶段用两台 UR 协作机械臂复现叠毛巾这种柔性物体双臂协同；FR3 双臂阶段完成双手持杯、小球转移、桌面抓放与按钮触发，对应精密装配与实验室自动化中常见的桌面操作原语。

SDK 人体动作重定向：同一动作同步驱动人形与双臂多模型（j-mex Agilemaster）

对学术科研而言，这条链路解决了三个实际问题：其一，摆脱光学动捕棚的场地依赖，普通实验室即可开展数据采集；其二，全身姿态与手指运动在同一时间戳下同步，不再需要事后对齐多源数据；其三，硬件解耦后，新增一款机器人本体只需接入对应运动学模型，不必重做主端示教系统。面向工业机器人方向，UR这类已在产线验证的协作机械臂加上这套采集链路，即可把熟练工人的操作经验录成可复用的示教数据；高精度表面无损检测、远程危险环境作业、康复机器人步态研究等方向，也能通过遥操作把人的经验安全迁移到机端。