青瞳视觉MotionDecode数据开放计划：1000小时动捕数据集正式开源

当高质量运动数据从“私域资产”转化为“公共基础设施”，具身智能的进化逻辑便有望从单点突破转向系统涌现，数据的规模化供给将大幅降低创业门槛，加速算法迭代，催生垂直场景的百花齐放。

2026年6月16日，作为全球动作捕捉领导者，CHINGMU青瞳视觉联合编解码重磅发布“MotionDecode数据开放计划”，面向全球首期1000小时高质量人体动作数据集免费开放申请，为具身智能大模型训练与机器人运动学习注入强劲数据动能。

01.MotionDecode数据开放计划

在具身智能加速迈向产业落地的关键阶段，“数据驱动”已成为行业共识。如何让机器人读懂人类动作、适应真实世界，是实现技术跨越的首要前提。

“MotionDecode”是青瞳视觉面向机器人企业、具身智能算法团队、高校科研机构、仿真平台及模型团队构建的多模态高质量运动数据体系。该计划首期围绕机器人训练、动作生成、仿真验证与具身智能模型学习等核心场景，免费开放 1000 小时高质量人体动作数据资源，推动行业从单点技术探索走向数据生态共建。

核心特点

● 更大规模

已构建3000小时数据储备，首期1000小时高精度人体动作数据免费开放，预计年产50万小时。

● 更高精度

基于青瞳视觉光学动捕系统采集，提供亚毫米级空间定位能力，关节角度误差 < 0.5°，保障数据的工业级精度，满足机器人控制训练的严苛要求。

● 更多模态

身体（Body）、手部（Hand，含力反馈）、第一视角（Ego）、第三视角（Exo）、物体6D、环境场景等多维度数据，各模态数据规模如下：

● 更广场景

覆盖工业制造、家庭服务、超市零售、医疗康复、物流仓储、球类互动、数字娱乐等典型应用场景，包含500+项人机任务、200+种物体工具道具，为垂直场景算法训练提供充足素材。

● 更易应用

兼容BVH、FBX、CSV等10余种通用数据格式，支持MuJoCo / Isaac / URDF等主流机器人仿真格式适配，降低接入门槛，让算法团队聚焦模型本身。

数据生产流程

数据质量的稳定性，决定了模型训练的上限。从场景设计到数据集发布，MotionDecode建立了8步标准化生产流程，每一步均可审计、可复现，确保数据质量稳定可控：

场景设计 → 光学动捕 → 手指与物体追踪 → 多视角视频同步 → 清洗与标注 → 机器人重定向 → 质量评估 → 数据集发布

02 多场景动作演示

MotionDecode数据集覆盖丰富的动作类型，经过机器人重定向后可直接迁移至人形机器人，以下为部分代表性动作展示：

03 开源数据获取方式

诚邀加入MotionDecode 数据早期试用与反馈计划，首期1000小时高质量人体动作数据集已开放扫码免费申请通道，并将持续迭代更新。更多样例数据将陆续通过GitHub、Hugging Face开放，敬请关注青瞳视觉官网最新信息。

●项目主页：https://chingmudata.github.io/MotionDecode/

●数据集：https://huggingface.co/datasets/CMRobot/MotionDecode

具身智能的真正壁垒不在于数据垄断，而在于对物理世界理解深度与泛化能力的持续突破。MotionDecode数据开放计划，将显著降低具身智能行业的研发门槛，为全球科研机构与企业提供统一、高质量的训练数据基准，填补行业在大规模、高精度、全场景人类运动数据领域的空白，赋能人形机器人全身运动控制、灵巧手精细操作、人机协同交互等核心技术突破，加速具身智能从技术验证阶段快速迈向规模化产业落地，助力中国在全球具身智能赛道构建起数据与技术的双重优势。

数据筑基，方能智启未来；聚力创新，方可引领变革。未来，青瞳视觉将持续深化技术研发与数据产能建设，联合产业链上下游伙伴共同完善具身智能数据标准与生态体系，推动具身智能从技术探索走向规模化落地，赋能千行百业智能化升级。