发表机构
Grounded Superintelligence; BitRobot（落地超级智能; 比特机器人）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
RoboCap平台通过集成轻量级硬件与3D算法，实现野外以自我为中心的数据捕获，并在SLAM、深度估计和手部追踪等公开基准上达到最先进性能。
AI 中文摘要
尽管以自我为中心的操作数据在扩展机器人学习方面前景广阔，但目前仍然稀缺。大规模收集数据需要将人体工程学硬件与厘米级精度的3D算法垂直整合，而这种精度尚未有公开演示。为填补这一空白，我们推出了RoboCap——一款重250克、配备六个摄像头和双惯性测量单元（IMU）的帽子，专为野外以自我为中心的数据捕获而设计；同时推出了Grounded API，这是一套针对RoboCap调优的设备无关的3D算法套件。在本报告中，我们展示了硬件、标定和3D算法如何相互作用，在公开基准上实现了最先进的性能：我们的SLAM（同步定位与建图）在各种环境和设备上表现优异，我们的深度估计在以自我为中心的场景中表现出色，我们的手部追踪在适配第三方设备时同样领先。
英文摘要
Despite its promise for scaling robot learning, egocentric manipulation data is still scarce today. Collection at scale requires vertically integrating ergonomic hardware with centimeter-precise 3D algorithms, at a precision that has not been publicly demonstrated. To address this gap, we introduce RoboCap, a 250\,g six-camera dual-IMU hat designed for in-the-wild egocentric data capture, and the Grounded API, a suite of device-agnostic 3D algorithms tuned for RoboCap. In this report, we demonstrate how hardware, calibration, and 3D algorithms interact to achieve state-of-the-art performance on the public benchmarks: our SLAM across diverse settings and rigs, our depth estimation on egocentric settings, and our hand tracking when adapted to third-party devices.
