重磅突破！压力感知让动作捕捉更精准！解读南京大学团队MotionPRO黑科技

随着数字世界的AI算法开始展现出逼近甚至超越人类的思维能力，具身智能有望打开AI从数字世界到物理世界的窗口，在复杂的物理世界中进一步延伸和拓展AI边界，实现“知行合一”。

现阶段，光学运动捕捉技术凭借高精度、多模态数据采集等性能优势，已成为具身智能的核心数据采集与训练方式。然而，面对具身智能的环境感知与交互等需求，动捕数据需要进一步增加“物理维度”，使其能够与物理世界产生交互，并在交互中主动探索世界、认知世界、改变世界。

南京大学曹汛教授团队联合清华大学于涛副研究员团队在CVPR 2025发表的突破性研究成果《MotionPRO: Exploring the Role of Pressure in Human MoCap and Beyond》，创新性地在运动捕捉数据采集中引入压力感知维度，将压力感知范围从足部扩展到全身，提高了动作的稳定性和精确性。同时，团队构建了一个结合压力、RGB和FZMotion光学运动捕捉系统的12.4万帧大规模数据集MotionPRO，研究团队已开源数据集（链接见文章底部）。

研究团队搭建了包含四大组件的同步采集平台：

团队召集从17-61岁、涵盖不同体型的70名志愿者进行了包含日常生活、传统养生、有氧运动、柔韧性运动等5大类的400种动作，共采集12.4万帧的多模态数据（包含SMPL模型参数、压力分布图、多视角视频）。

为了增加动捕数据的物理合理性和全局轨迹精度，研究团队创新提出物理-视觉双模态融合框架FRAPPE（Fuses RGB And Pressure for Pose Estimation），实现两大核心技术突破：

团队采用小核卷积提取精细压力特征，配合长短时注意力模块（LSAM），仅凭压力信号即可重构合理全身姿态（MPJPE，90.6mm）和精确全局轨迹（GMPJPE，127.6mm）。实验证明，压力分布能准确反映身体触地部位与地面间接触和力学关系，为动作合理性提供物理约束。

在传统视觉分支基础上，团队引入了正交投影约束与全身接触约束，通过压力特征引导视觉特征增强人体姿态估计的物理真实性。相比纯视觉方法VIBE，全局姿态误差降低30%（41.8mm vs 59.7mm）。特别是复杂接触场景（如平板支撑）下，FRAPPE通过压力信号准确推断下肢姿态，显著提升了动作合理性。

为了进一步验证所提方法的物理合理性，团队应用人形机器人NAO实体进行了实物实验。

如下图所示，搭载FRAPPE算法的NAO机器人可完成动态平衡控制、复杂步态转换和精细动作模仿等任务动作，机器人动作稳定性和准确度得到提升。

“当运动捕捉系统真正理解’脚踏实地’的物理意义，我们离构建虚实交融的智能世界就更近一步。”本文中，团队不仅构建了一个大规模多模态数据集MotionPRO，更通过所提算法FRAPPE增强了姿态和轨迹估计效果，实现人-机器人的亚毫米级精度还原。

未来，研究团队将进一步研究基于压力信号的人体全局姿态与轨迹估计；将持续深耕物理交互的本质突破，通过FZMotion具身智能数据采集方案推动机器从被动执行工具向主动感知、认知与协作的“生命化载体”进化，积极与行业客户协作创新，共同探索具身智能前沿。

原文信息：