運動捕捉可以支撐采集真人、機器人本體、虛擬本體的高質(zhì)量、高精度、低延時數(shù)據(jù)，為人機交互和廣泛的應用市場提供不可獲取的數(shù)據(jù)基礎，通過采集真人數(shù)據(jù)，包括手指、手臂、腿、腳等全身運動數(shù)據(jù)集，尤其是五指20多個自由度的手指精細運動，實現(xiàn)場景的泛化，建精細動作的理解能力，讓機器人實現(xiàn)更流暢、更智能的運動。

通過高質(zhì)量高精度數(shù)據(jù)采集與遠程控制技術，實現(xiàn)對機器人智能化行為的訓練與優(yōu)化，適應于高風險高精度的應用場景；通過人體-機器人關節(jié)映射技術，將人體運動數(shù)據(jù)直接轉化為電機控制參數(shù)，用戶無需二次開發(fā)，即可進行仿真訓練和遙操作數(shù)據(jù)采集，大大縮短了科研周期。

基于多維度運動參數(shù)分析，整機性能與核心零部件評估，關節(jié)靈活度，姿態(tài)穩(wěn)定性，步態(tài)偏差等數(shù)據(jù)進行分析檢測，構建機器人出廠檢測和性能評估指標，為運動控制算法優(yōu)化、機械結構改進、出廠質(zhì)量評估提供數(shù)據(jù)支撐，來提升優(yōu)化機器人運動表現(xiàn)的可靠性。