Trossen Robotics 和 Stereolabs 通过集成视觉平台推进物理人工智能
Trossen Workbench 和 RIVET 集成了 Stereolabs ZED X 相机，用于同步、训练就绪的机器人学习数据。
物理 AI 研究和数据收集平台提供商 Trossen Robotics 与 Ouster, Inc.（纳斯达克股票代码：OUST）的全资子公司、ZED 系列 AI 立体相机制造商 Stereolabs SAS 宣布开展合作，将 Stereolabs 的 ZED X Mini 和 ZED X Nano 相机集成到 Trossen 用于机器人学习的全新物理 AI 硬件套件中。该套件的主角是 Trossen Workbench 和 Rivet，即固定式和移动式双手操作平台。
物理人工智能模型的好坏取决于它们所训练的演示数据，而且大部分数据都是可视化的。如今，团队通常使用单独采购的机器人手臂和消费级 USB 摄像头组装自己的装备，并依靠自定义驱动程序代码来连接它们。结果是数据集具有低分辨率图像、不一致的校准、运动模糊以及视图和数据流之间的时序漂移。
Trossen Workbench 和 Rivet 是统一的开发平台，具有双 WidowX Pro 6-DoF 臂，工作范围为 700 毫米至 1000 毫米，有效负载能力为 4 至 6 公斤有效负载，重复精度为 1 毫米。每个平台均由板载 NVIDIA Jetson AGX Orin 64 GB 计算提供支持，并支持通过本地网络和互联网进行远程操作。每个还包括一个工厂校准的三摄像头视觉系统，完全由 立体声实验室硬件.
Stereolabs 和 Trossen 联合视觉架构反映了最先进的操纵策略的训练方式。中央安装的 Stereolabs ZED X Mini 提供整个工作空间的全局场景视图和立体深度背景，而每个手腕安装的 ZED X Nano 提供模仿学习策略赖以进行精细操作的抓手和物体的近距离视图。
ZED X Nano 专为此应用而设计。其双 2.3 MP (1920×1200) 全局快门传感器能够以高达 60 fps 的速度进行捕捉，而不会产生卷帘快门 USB 相机的运动模糊，并且其神经深度引擎可解析近至 3 厘米（抓取实际发生的距离）的几何形状。 GMSL2 连接具有锁定、抗 EMI 布线，可通过零拷贝管道在 Jetson 上确保所有三个摄像头确定性同步，因此团队可以同时记录、编码和运行推理，而不会在中途无声地掉帧。即使手臂高速移动，抗振板载 IMU 也能保持手腕视图可用。
Workbench 和 Rivet 上收集的每个远程操作片段都是干净、同步、多视图、RGB 加深度的训练样本，通过对 ROS 2 和 NVIDIA Isaac Sim / Isaac Lab 的本机支持，为模仿学习、强化学习和模拟真实工作流程做好了准备。
Trossen Robotics 首席执行官 Matt Trossen 表示：“物理 AI 社区正在迁移到 GMSL2，因为 USB 无法处理从末端执行器到计算实际机器人需求的长电缆。” “Stereolabs ZED X Nano 为我们提供了信号稳定性、图像质量和吞吐量，将物理 AI 从实验室带入强化的工业部署。团队应该花时间收集演示和培训政策，而不是集成和校准相机装备。”
Stereolabs 总裁 Cecile Schmollgruber 表示：“Trossen 做到了很少有人做到的事情：将相机置于完整、校准数据收集系统的核心。” “配备 Stereolabs ZED X Mini 和 ZED X Nano 的工作台将每个演示转化为训练级数据，这将推动物理 AI 向前发展。”
Workbench 锚定了 Trossen 更广泛的物理 AI 硬件套件，包括 RIVET 移动操纵平台、GLIDE 被动引导臂和 COCKPIT 操作员站，用于可扩展的远程操作数据收集。该套件将于 2026 年 8 月 12 日至 28 日在旧金山举行的 Trossen 物理人工智能驻场公开展示，同时将于 2026 年 8 月 18 日至 19 日在旧金山举行的 Actuate 会议上在 Trossen 展位上进行实时数据收集和政策评估演示。