NVIDIA 开源 Isaac Teleop：一张 Apache 2.0 协议，终结机器人遥操作"各搭各的"

2026 年 3 月的 GTC 大会上，NVIDIA 将 Isaac Teleop 以 Apache 2.0 许可证正式开源，这是一个横跨仿真与真实环境的机器人遥操作数据采集统一框架。出现在 Jensen Huang 的主旨演讲中，作为 Isaac Teleop 的官方输入设备，将人手动作实时映射到机器人关节。

五个月后，这个框架已经被送到了 1600 万 Hugging Face 开发者的工具链中。7 月 6 日，，开发者现在可以在同一套开源工作流里完成从数据采集、模型训练到策略部署的完整闭环。NVIDIA 的 300 万机器人开发者与 Hugging Face 的 1600 万 AI 构建者，在物理 AI 的数据层上开始共享一套标准化的采集格式。

"每家自己搭一套"的日子该结束了

机器人学习有一个绕不过去的瓶颈：数据。与语言模型可以从互联网文本中大规模抓取训练数据不同，机器人需要的是人类在物理世界中的操作示范：精确到每个关节角度、每帧力矩读数的动作轨迹。

这类数据的采集成本极高，而更麻烦的是，几乎每个实验室、每家公司都在自研自己的遥操作方案。数据格式互不兼容，采集到的示范无法在不同机器人之间迁移。

Isaac Teleop 试图终结这种碎片化。它直接提供一个：无论用的是 Apple Vision Pro 的手部追踪、Meta Quest 的动作控制器、Pico 4 Ultra 的全身动捕，还是 MANUS 的毫米级精度数据手套，所有输入都被标准化为同一种，通过 MCAP（Foxglove 开放标准）录制和回放。

数据输出直接对接 LeRobot 的训练管线，不需要额外转换。Apache 2.0 许可证意味着这一切没有商用限制。

Thomas Wolf：开源是这样改变一个领域的

Hugging Face 联合创始人兼首席科学官 Thomas Wolf 在集成公告中明确表态："开源是把前沿研究变成人们可以研究、适配和建造之物的方式。"（原话："Open source is how a field turns advanced research into something people can study, adapt and build on."）LeRobot 是 Hugging Face 的开源机器人库，用于训练、运行和共享机器人数据集、模型与策略。Isaac Teleop 的集成让 LeRobot 从一个模型训练和共享平台，变成了覆盖数据采集、训练、评估、部署全链路的物理 AI 开发环境。

NVIDIA Robotics 官方账号在 X 上的获得了 292 个赞和 48 次转发，配文直截了当："开源机器人技术刚刚升了一级。"MANUS 的则在 GTC 期间宣布成为 Isaac Teleop 的官方数据手套合作伙伴，强调其手套"以 25 个自由度的毫米级精度追踪手部关节，提供灵巧操作所需的无遮挡手部追踪"。

机器人领域 KOL Lukas Ziegler（5.8 万关注者）在中列出了生态关键数字：35 万条轨迹、5700 万次抓取、1500 万次数据集下载。"NVIDIA 和 Hugging Face 把 Isaac GR00T 1.7 集成进了 LeRobot，开发者现在拿到了一个开放的推理 VLA 模型加上 Isaac Teleop 来采集人类示范。"

GTC 上的手套，七月的 LeRobot，四个月的生态加速度

Isaac Teleop 的开源不是一步到位的，它的生态形成速度值得拆开来看。

2026 年 3 月 16 至 19 日，GTC 2026：中宣布 Isaac Teleop 进入正式可用状态，定位为 Isaac GR00T 人形机器人开发平台的数据采集入口。Manus 手套出现在 Huang 的主旨演讲中，PICO 同步宣布。

2026 年 5 月 21 日，GTC 台北：，并披露富士康和 Lightwheel 已将其纳入训练管线。GR00T 模型下载量达到 27.4 万次，GR00T X Embodiment Sim 数据集在 Hugging Face 上下载超过 1000 万次。Manus 手套再次出现在 Huang 的主旨演讲中，，MANUS 手套为其灵巧手提供遥操作输入。

2026 年 6 月 30 日，v1.3.131 发布：Isaac Teleop 从 CloudXR/WebXR 遥操作内核，新增了 Sharpa Wave 灵巧手重定向、SO-101 机械臂遥操作、ROS 2 参考集成、ARM64 支持、MCAP 录制回放管线、Manus 数据手套插件、Vulkan 可视化堆栈 Televiz 预览版，以及自我中心手部重建管线（代号 Ego4Robo）的实验性支持。

2026 年 7 月 6 至 7 日，Hugging Face LeRobot 0.6 集成：Isaac Teleop 和 GR00T 1.7 同时进入 LeRobot，NVIDIA 的开放物理 AI 数据集（35 万条轨迹、5700 万次抓取）可供社区直接使用。Thomas Wolf 用"collaborative loop"来形容这次集成将带来的效果。

从 GTC 发布到社区级集成，只用了不到四个月。

从 Apple Vision Pro 到 Unitree G1，一条链路跑通

Isaac Teleop 的技术架构可以拆成四层，每一层都对应一个具体的工程决策。以下细节全部来自与。

统一设备接口支撑六类输入设备：Apple Vision Pro（26 关节手部追踪）、Meta Quest 2/3/3S（动作控制器加手部追踪）、Pico 4 Ultra（动作控制器、手部追踪、Pico Motion Tracker 全身动捕）、MANUS Metagloves Pro（25 自由度手指追踪）、Logitech 方向舵踏板（3 轴脚踏）、Haptikos 外骨骼（手指追踪加力反馈）。厂商可通过插件系统自行扩展，多设备时间戳通过统一控制循环同步。

重定向接口负责将人类动作映射到机器人关节。采用"张量进、张量出"设计，支持 GPU 加速，使用与数据接口相同的 schema，既能处理单帧数据点，也能处理整条轨迹。参考实现包括 Unitree G1 人形机器人的全身控制，通过 GR00T-WholeBodyControl 的 SONIC 方案完成。

数据接口使用 FlatBuffers 定义标准化数据 schema，以 MCAP 格式录制和回放。录制后的 session 可以在无头显的情况下通过重定向管线回放，帧对齐、确定性输出。这对 CI 测试、回归验证和数据集生成至关重要。数据格式直接对接 LeRobot，无需额外转换。

Televiz 可视化模块是一个轻量级合成器，将摄像头画面、传感器数据和 3D 渲染内容合成到 XR 头显或桌面窗口中。通过 CUDA-Vulkan 互操作的零拷贝 GPU 帧提交，与遥操作设备共享同一个 OpenXR 会话。

支持的用例覆盖了当前机器人遥操作的主流场景：XR 头显控制夹爪、XR 头显加数据手套控制灵巧手、坐姿全身运动操作（Homie）、追踪式全身运动操作（Sonic），以及"无机器人"自我中心数据采集。在最后这个模式下，操作者只需佩戴头显和手套，以自己的第一视角完成操作，Isaac Teleop 将第一人称视频通过 Ego4Robo 管线重建为 4D 手部和相机运动轨迹，直接输出可供模仿学习使用的训练数据。

NVIDIA 不只要你的 GPU，还要你的数据管线

Isaac Teleop 是 NVIDIA Isaac GR00T 人形机器人平台的数据入口，而 GR00T 平台本身覆盖了从数据采集、仿真训练、策略评估到边缘部署的完整链路。

在这个链路中，Isaac Teleop 采集的遥操作数据与 Isaac Sim 生成的合成数据一起，通过 Physical AI Data Factory Blueprint 放大和增强。NVIDIA 在中解释："一条真实世界的示范可以被扩展为大量多样化的合成场景。"Gartner 预测，到 2030 年，边缘场景的 AI 训练数据中合成数据占比将从目前的 20% 升至 90% 以上。

这条管线的另一头是部署。NVIDIA 的策略是把 Isaac Teleop 变成开发者进入 GR00T 生态的第一个接触点：你用它采集数据，自然会用 Isaac Lab 训练策略，用 Isaac Sim 仿真验证，最后部署到 Jetson Thor 边缘计算平台上。

富士康已经在工厂中用 Isaac Teleop ，支持拾取放置、双臂协作和力控螺丝锁附等精密装配任务。Lightwheel 也将其纳入了训练管线。

但策略能否奏效，取决于社区是否愿意接受这套标准。Isaac Teleop 目前 GitHub 上 331 个 star、74 个 fork，对于一个试图定义行业数据标准的项目来说，还远未到退潮见分晓的时刻。ROS 成为机器人操作系统的默认选项，原因只有一个：足够多的人同意使用它。