V100-R 是 MOXI 推出的尖端 IMU 動作捕捉系統，專為機器人遠端控制及VLA訓練而設計。整合自主研發的九軸 IMU 姿態融合技術、專利的動態姿態修正演算法、與 ROS2 SDK，V100-R 目標在於快速對接 NVIDIA Jetson 平台與 ROS2 生態系統，提供高精度、低延遲的全身動作捕捉與數據串流。開發人員僅需穿戴 V100-R 動捕裝置與動捕手套，即可直覺生成機器人訓練資料，實現即時動作模仿、模擬訓練與資料驅動的動作學習，加速從原型設計到產業應用的開發流程。作為領先的 IMU 動作捕捉系統，V100-R 優化機器人訓練效率，適用於智慧製造、人機協作與邊緣 AI 應用。
為什麼選擇 MOXI V100-R 進行人形機器人訓練？
科學驗證的高精度數據
- 15 顆九軸 IMU 感測器 + 高精度手指模組，提供全身 360° 無死角動作捕捉。
- 數據精度達 ±2°，並以 100Hz 更新率提供，確保 AI/ML 訓練所需數據的連續性與可靠性。
- 無視野限制：不受光線、遮擋、金屬環境干擾，優於傳統 RGB-D 或 LiDAR 系統。
輕鬆整合至您的開發流程
- 專屬 ROS2 SDK：支援 ROS2 及 NVIDIA Isaac ROS 平台串接，加速機器人訓練開發。
- NVIDIA 生態相容：支援 Omniverse、Isaac Sim 環境，支援虛擬分身建模、虛擬訓練場景生成與模擬測試。
- 邊緣 AI 推論：支援 Jetson 平台與 TensorRT，實現即時動作解析與控制，支援無網路環境下的本地化 IMU 動作捕捉處理。
- 輸出 TF、Joint State 與 IMU 等數據，支援 URDF 模型與可視化（rviz、TF viewer）。
- 模組化與可擴展設計：提供高精度運動資料庫，便於 AI 訓練與仿生機器人控制。
真正的應用價值
- 智慧製造：將人工操作流程轉化為 IMU 數據，成為機器人學習依據。
- 人機協作訓練：支援 Imitation Learning、姿勢分類與跌倒預測。
- 危險環境替代：以數據驅動機器人完成高風險或專業作業。
- AI 與 XR 研究：數位分身、模擬測試、互動應用全覆蓋。
- 動作驅動輸出：將 MoCap 姿態資料 → 控制訊號 → 驅動仿生機器人、手臂，可模擬 → 訓練 → 驅動 機器人，支持數位分身 + 控制整合一體化。
- AI 感知輔助：提供即時人體關節資料支援 AI 模型訓練與推論，如跌倒預測、姿勢分類，讓模型結合實際運動資料更具時效性與準確性，可運作於低延遲邊緣裝置。
V100-R 的 ROS2 SDK 正在開發中，優先支援 ROS2 標準，與 NVIDIA Jetson 和 Isaac Sim 生態高度相容。我們正積極增強 ROS2 功能，並探索有限的 ROS 1 兼容性，以滿足多樣化的機器人開發需求。請聯繫我們以獲取最新開發更新。
如何使用 MOXI V100-R 進行機器人訓練？
穿著 V100-R 套裝的人類操作員即時控制機器人的運動，捕捉精確的運動數據。
機器人在遠端操作過程中收集感測器數據，以增強其對運動和環境的理解。
結合運動和感測器數據進行人工智慧深度學習，改進機器人的運動模式。
機器人利用人工智慧驅動的洞察力在各種條件下自主執行學習動作。
主要應用場景
智慧製造
將人員操作流程轉換為 IMU Action 數據，提供機器人學習依據。
人機協作訓練
透過九軸 IMU 的融合數據，提供更好的姿態數據來支援 Imitation Learning 需求，提升機器人操作精準度。
危險/專業環境替代
以動作數據驅動機器人完成高風險或專業作業。
AI 與 XR 研究
支援數位分身建模、模擬測試與交互應用。
商務策略與產業應用
| 商務面向 | 策略定位說明 | 可對接產業/應用場景 | 產業優勢與價值訴求 |
|---|---|---|---|
| 產業角色定位 | 「模組化人體動作輸入介面」→ 提供 IMU MoCap 輸出整合至控制與學習 | 人形機器人開發、AI 訓練平台 | 提供通用、可穿戴、低成本的實體動作輸入方案，具備跨平台 (Jetson / ROS2 / Isaac) 整合力 |
| 技術授權與 SDK 服務位 | 提供 ROS2 SDK，可與 Isaac Sim / Jetson 整合使用 | 機器人軟硬體開發商、OEM/ODM 廠商 | 可賦能第三方產品快速整合 IMU 控制功能，創造軟硬體 OEM/ODM 商機 |
| 訓練數據合作 | 提供高精度人體動作資料庫用於 AI 模型訓練、仿生控制學習 (Imitation Learning) | AI 研究機構、機器人訓練平台 | 提供可靠標記的「人體動態資料」，適合生成數位分身、自主控制模型、擬真仿生學習用 |
| 標準方案推進 | 提供 "MOXI + Jetson/ROS2" 標準開發套件 | 開發者社群、產業原型驗證 | 降低開發門檻、快速部署驗證，增加品牌曝光與社群導入 |
產品規格
MOXI V100-R 傳感器規格
| HUB 傳感器 (x2) | 重量 8g，尺寸 42mm x 9.12mm |
|---|---|
| Sensor 傳感器 (x8) | 重量 3.8g，尺寸 32mm x 6.64 mm |
| 操作溫度範圍 | 0°C ~ 50°C (32°F ~ 122°F) |
| 延展範圍 | 200cm（78.3 英吋） |
| 感測器 | 15 個經校準的 9 軸 IMU 傳感器 |
| 角度精確度 | ±2° |
| 動態精確度 | 追蹤至小數點後第二位 |
| 數據輸出率 | 100Hz |
| 串流數據速率 | 100Hz |
MOTi 傳感器規格
| 傳感器 | 5 個經校準的 9 軸 IMU 傳感器 |
|---|---|
| 電池容量 | 420mAh, 超過 8 小時 |
| 防水性 | Class IPX4 |
| 運作溫度 | 0 - 50℃ (32 - 122°F) |
| 無線傳輸方式 | Bluetooth |
| 精度 | ±2° |
| 尺寸、重量 | 46.3x38.8x14.3mm,19.2g |
| 按鍵 | 電源開關 |
| 數據輸出率、串流數據速率 | 100Hz |
MOXI 數據傳輸盒 1.0
| 電池 | 鋰聚合物電池, 2,000mAh |
|---|---|
| 電池使用時間 | > 4 小時 |
| 防水等級 | IPX5 等級 |
| Wi-Fi | 支援 雙頻 Wi-Fi 4、Wi-Fi 5 或 Wi-Fi 6 |
| 連接器 | USB 高速充電接口 |
| 藍牙 | 支援低功耗藍牙，版本 4.1 或以上 |
| 尺寸與重量 | 60.2 x 76.8 x 12mm，75g |
| 按鍵 | 電源按鍵 |
| 指示燈 | 電量指示、PC 或 Wi-Fi 連接指示、衣物連接指示 |
APP
| TransEZ App (Android, iOS) | 專用於 配置與管理傳輸器 (Transponder) |
|---|
應用程式
| MOXI Player (for Robot)平台：Windows 10, 11 |
|
|---|---|
| MOXI Receiver (for Robot)平台：Linux |
|
Windows 系統要求
| 中央處理器 (CPU) | Intel® Core™ i7 |
|---|---|
| 記憶體 (RAM) | 16GB 或以上 |
| 圖形處理器 (GPU) | NVIDIA® GeForce RTX™ 4060建議規格 (以達到最佳效能) |