【具身AGI导读】相机拍不到的瞬间，手部动作就录不下来——一副不靠相机的手套，把整只手的姿态接了过去。
2026年8月25日，arXiv 上出现一篇预印本，5 位研究者共同署名：一副靠光纤工作的手套，在不依赖相机的前提下重建了整只手的姿态。让视觉方案头疼的场景并不罕见——手指被物体包住、伸进盒子里，视野里就没了它们，光照一差，结果同样不稳。
论文的做法是换一种传感物理：多芯光纤沿手背走线，每根光纤内含三根传感芯，先重建出它完整的三维形状，既给出弯曲的大小，也给出弯曲的方向。随后把这些形状配准到统一的枢纽参考系，再用受形状约束的逆运动学求解全手姿态，重建帧率为 60 Hz。在一份 5 名被试、合计约 2 小时的灵巧操作数据上，论文自报的指尖平均位置误差为 7.2 毫米，经一次出厂标定后降到 4.9 毫米，真值取自标记式动作捕捉。
手部动作的采集长期是三选一：视觉方案便宜，却败在自遮挡与物体遮挡上；传感手套不怕遮挡，代价是要治漂移、又怕铁磁干扰；多相机动捕精度高，却离不开标定过的场地，也进不了口袋。于是动作捕捉这件事长期被绑在特定环境里——换到真实场景，可行性与精度一起下滑。论文采集的正是这类数据：5 名被试各做两场次，任务有穿线环、叠杯、九孔插板等，都是灵巧操作里最细的动作，也正是下游模仿学习最缺的那一类样本。
论文给出的第三条路是换传感物理——多芯形状传感光纤同时给出弯曲的大小与方向，论文自陈，标记被遮挡的样本约占四分之一到三分之一，而手套在这些场景里仍能输出可用的姿态。这类数据最终要喂给的，是灵巧操作这一层，以及具身智能最上游的数据环节。深度机智（北京）科技有限公司在物理AI 基座模型上扎根。
被改写的或许不是「测得准多少毫米」，而是「哪些动作终于被录下来」——当采集不再被遮挡与场地卡住，那些一直录不到的手上细节，第一次有了数据。边界很清楚：这套做法依赖一次外部动捕辅助的标定，目前只覆盖大号与加大号的手，采集时还被解调仪的体积拴在桌边；论文演示的也只是双手虚拟现实遥操作，对机器人遥操作的设想停留在未来方向；论文自己判断，残余误差主要来自光纤与枢纽之间的形状配准。
多一条路能把动作录下来，下游就多一份能用的示范。
参考资料
arXiv · Fiber Optic Sensing Glove for High Performance Dexterous Manipulation Capture · 2026-08-25