從人體動作到機器人智慧

AgileMaster

Humanoid Teleoperation Solution

AgileMaster 專為 Teleoperation 與機器人示教資料採集打造,結合高精度全身 IMU 動作捕捉與 Human-to-Robot Mapping,提供結構化、高保真的人體動作資料,支援人形機器人、協作手臂、Isaac GR00T、模仿學習、VLA 訓練、模擬與數位孿生應用。

深受全球產業領袖與生態系夥伴信賴

加速 Physical AI 與人形機器人發展

j-mex AgileMaster 是一套以人形機器人為核心的 Teleoperation 解決方案,同時支援協作手臂與多種 Robot Embodiment。透過高精度全身動作捕捉與 Human-to-Robot Mapping,AgileMaster 能將真實人體動作轉換為機器人控制訊號與結構化訓練資料。

結合 Robot Execution 與同步資料記錄,AgileMaster 協助開發團隊建立 Teleoperation、模仿學習、VLA 訓練、模擬與數位孿生整合流程,加速從人類示教到 Real-world Robot Deployment 的開發進程。

加速從人類示教到機器人執行的訓練流程

高品質機器人訓練,始於可靠的人體動作資料與高效率的 Human-to-Robot Mapping。AgileMaster 從動作資料精度、Mapping 效率到機器人設定流程全面優化,縮短從人類示教到 Robot Execution 的開發路徑,協助團隊更快速地為人形機器人與協作手臂建立高品質訓練資料。
banner 02
高保真全身動作資料
開發挑戰
僅追蹤 End-effector Pose 或局部肢體動作,往往無法完整保留複雜機器人操作與訓練所需的多關節動作資訊。
AgileMaster 優勢
AgileMaster 透過高精度 IMU 感測與低延遲動作串流,同步擷取全身多關節人體動作,提供完整且一致的高保真示教資料,支援 Teleoperation、模仿學習與 VLA 訓練流程。
banner 03
Human-to-Robot 動作映射
開發挑戰
人體與機器人在關節結構、活動範圍與運動學限制上存在差異,將 Human Demonstration 轉換為機器人可執行動作,往往需要大量人工 Mapping 與 Robot-specific Development。
AgileMaster 優勢

AgileMaster 透過 Human-to-Robot Mapping 與 Retargeting,依據 Robot Topology、關節活動範圍與動作限制,將人體動作轉換為機器人可執行的控制訊號。

針對手臂控制,可快速切換 End-effector 與 Humanoid Arm Control Mode,並透過 ROS2 輸出座標與動作資料,簡化機器人整合與控制流程。

banner 04
更快速的機器人設定與部署
開發挑戰

傳統機器人任務設定通常需要程式編寫或圖形化路徑編輯,再透過反覆試跑、調整與路徑優化完成設定,整體流程耗時且不易快速迭代。

AgileMaster 優勢

AgileMaster 結合 Teleoperation 與 NVIDIA Isaac Sim 模擬流程,讓開發者能以更直覺的方式進行機器人操作示教、驗證與路徑調整,再進一步將驗證後的動作與操作路徑應用於自動化 Routine 開發。

從 Teleoperation、Simulation 到 Deployment 的整合流程,可減少反覆設定與測試,加速機器人任務部署。

加速機器人開發的三大核心能力

AgileMaster 整合三項核心能力——End-to-End Teleoperation、Human-to-Robot Mapping 與 NVIDIA Robotics 生態整合,串聯機器人控制、Motion Retargeting、模擬與訓練資料流程,加速 Physical AI 與機器人應用開發。

端對端 Teleoperation

AgileMaster 結合高精度全身動作捕捉與低延遲動作串流,提供穩定、即時的機器人控制與示教資料採集能力。

針對不同 Robot Embodiment,AgileMaster 支援人形機器人、協作手臂與 Robotic Arm,並可依不同機器人平台與任務需求進行客製化整合。

核心能力
  • 低延遲即時動作串流
  • 全身與多關節機器人控制
  • 支援 Humanoid、Cobot 與 Robotic Arm
  • 機器人示教資料採集
  • 客製化機器人整合

Human-to-Robot Mapping

AgileMaster 透過自主研發的 Motion Retargeting 技術,將人體骨架動作即時轉換為機器人可執行的多軸 Joint Control 訊號。

內建 Skeleton Topology Switching,可依不同 Robot Structure、關節活動範圍與動作限制,快速切換 Humanoid 與 Cobot / Robotic Arm 的控制拓樸。

動作與座標資料可透過 ROS2 即時輸出,支援機器人控制、系統整合與後續應用開發。

核心能力
  • 即時 Motion Retargeting
  • Human-to-Robot Mapping
  • Skeleton Topology Switching
  • End-effector / Humanoid Arm Control Mode
  • 多軸 Joint Control
  • ROS2 動作與座標資料輸出

NVIDIA Robotics 生態整合

AgileMaster 支援主流 Robotics 標準與 NVIDIA 機器人開發工具,串聯 Human Demonstration、Simulation、Robot Execution 與訓練資料流程。

透過 URDF 與 ROS2 支援,可整合 NVIDIA Isaac Sim 與 Isaac Lab,應用於 Teleoperation、模擬驗證與 Robot Training Data Collection,並延伸支援 Isaac GR00T 與 VLA Training Workflow。

協助開發團隊建立從人體動作、Simulation 到 Real-world Robot Development 的完整開發流程。

核心能力
  • ROS2 與 URDF 支援
  • NVIDIA Isaac Sim 整合
  • NVIDIA Isaac Lab Workflow
  • 模擬與 Digital Twin 開發
  • Isaac GR00T Workflow
  • VLA Training Workflow
  • Sim-to-Real 開發

j-mex AgileMaster - Humanoid Teleoperation Solution 運作架構

Architecture 0204

賦能多元化的機器人應用

banner 08
遠端操作
Teleoperation
適用於危險環境作業、高難度精細操作等場景,確保操作員的安全與任務的精準執行。
banner 01
具身 AI 訓練
Embodied AI Training
快速生成 VLA (Vision-Language-Action) 訓練與模仿學習 (Imitation Learning) 所需的高品質、高保真度示範數據。
banner 09
工業數位孿生
Industrial Digital Twin
結合 Teleoperation 與 Isaac Sim/Lab,在虛擬環境中即時同步真實機器人狀態,實現產線的數位孿生監控、操作驗證與流程優化,降低實體測試風險與成本。
banner 05
協作與示教
Learning from Demonstration
使機器手臂 (Manipulator) 或協作機械手臂 (Cobot Arms) 能夠透過直接的人體動作示範進行直覺自然的學習,從而大幅簡化程式設計的複雜性。

從捕捉到自主運行:機器人訓練四步驟

使用 j-mex AgileMaster 訓練機器人的四個核心步驟:

num 1

動作數據捕捉 / Motion Data Capture

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。
num 2

感測器數據收集 / Sensor Data Collection

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。
num 3

深度學習 / Policy Learning

結合運動和感測器數據進行深度學習,改進機器人的運動模式。
num 4

自主執行 / Autonomous Execution

機器人利用學習到的策略,在各種條件下自主執行學習動作。

核心配套硬體:MoCap Suit V100-R Plus

V100 R Plus Photo

專為高階機器人開發設計的高性能動捕方案

V100-R Plus 是一款專為高階機器人運動訓練與 VLA(視覺-語言-動作) 協作量身打造的專業級動作捕捉套裝 。基於全身 IMU 動態捕捉與人體運動科學技術,它能將複雜的人體動態精準轉化為流暢、符合運動學規律的機器人關節控制指令 。
  • 專業級精準度:搭載 15 顆九軸 IMU 感測器,並整合高精度手指動作捕捉,實現細膩的動作映射。
  • 極致同步性能:具備 100 Hz 數據輸出率,確保遠端操控與模仿學習中的毫秒級同步表現。
  • 工業級穩定性:採用先進的無線傳輸轉發架構,在嚴苛的作業環境中仍能提供穩定、低延遲的數據串流。
  • 無縫生態整合:原生支援 ROS2(Humble 及 Jazzy 版本)、NVIDIA Isaac Sim 以及 URDF 模型導入,加速人形機器人與協作型機械臂的部署。

與全球機器人領導品牌深度串聯

j-mex AgileMaster 致力於為新一代具身智能(Physical AI)與機器人訓練提供高效的數據支援。我們已獲國際知名協作機器人權威 Franka Robotics 官方生態系認證與合作推薦。透過高精度慣性動捕與低延遲資料橋接,AgileMaster 能與 Franka 系統實現流暢的遠端操控與示教資料採集。
🔗 點擊查看 Franka Robotics 官方合作夥伴頁面 (外部連結)

FAQ 常見問題

A: 一般 Mocap 系統輸出的是人類骨架數據,而 j-mex AgileMaster 包含獨家的「Motion Retargeting」演算法,能直接輸出機器人可處理的關節活動訊號 (orientation and motion) 並透過 ROS2 協定送出,無需額外開發轉換工具。

A: 預設支援數款主流人形機器人 (Humanoid) 與協作手臂 (Cobot Arm),並提供骨架拓樸切換功能,亦可匯入客製化 Robot URDF。

A: 是的,j-mex 是 NVIDIA Omniverse Ready Partners,j-mex Teleoperation Starter Kit 能將動作即時串接至 Isaac Sim/Lab,除了控制模擬外,也能結合 GR00T Mimic pipeline 或 VLA training flow。

準備好釋放人形機器人和具身人工智慧的潛力了嗎?

立即聯繫我們,加速您的機器人與 AI 專案開發。
返回頂端