Bei der Skalierung des Roboterlernens von kontrollierten Laborumgebungen auf reale Umgebungen tritt immer wieder ein Engpass auf: die Datenerfassung.
Die Fernsteuerung ist präzise, aber langsam. Kameras in der dritten Person erfassen nicht die Perspektive des Bedieners. Action-Kameras für Endverbraucher bieten nicht die Sensorsynchronisation, die moderne Imitationslern- und VIO-Pipelines erfordern.
Eine neue Hardwareoption betritt den Markt. Unsere Ego-Kamera ist eine am Kopf getragene binokulare Stereokamera, die speziell für die egozentrische Datenerfassung in der Forschung zu verkörperter KI und Robotermanipulation entwickelt wurde.
Ein Standpunkt, der zum Roboter passt
Das Modul wird wie ein leichtes Stirnband am Kopf getragen und zeichnet exakt auf, was der Bediener während einer Aufgabe sieht. Diese Ich-Perspektive (egozentrische Sichtweise) ist zu einem zentralen Thema der aktuellen Robotikforschung geworden.
Groß angelegte Studien aus den Jahren 2025 und 2026 – darunter HumanEgo, EgoMimic und EgoScale – haben gezeigt, dass Roboterstrategien, die mit menschenzentrierten Videos trainiert wurden, mit solchen, die mit Teleoperationsdaten trainiert wurden, mithalten oder sie sogar übertreffen können – und das zu einem Bruchteil der Erfassungskosten. Die Perspektive ist entscheidend: Der Roboter nimmt seine Umgebung im Einsatz mit seinen eigenen Sensoren wahr, nicht von einer Decken- oder Stativhalterung aus.
Unsere Ego-Kamera wurde entwickelt, um diese Lücke zu schließen und Trainingsdaten bereitzustellen, die dem tatsächlichen Blickwinkel des Roboters entsprechen, wodurch Perspektivunterschiede beim Modelltraining beseitigt werden.
Sensordesign für Forschungspipelines
Global-Shutter-Stereosensoren
Das Kameramodul verwendet zwei 2-Megapixel-Sensoren mit Global-Shutter und einem horizontalen Sichtfeld von 60–65°, was dem Standard-Sichtfeld von Kameraköpfen humanoider Roboter entspricht. Der Global Shutter ist eine bewusste Designentscheidung: Alle Pixel werden gleichzeitig belichtet, wodurch die Rolling-Shutter-Verzerrung, die schnelle Hand- und Körperbewegungen bei dynamischen Aufnahmen beeinträchtigt, vollständig eliminiert wird.
Erhaltung der Rohdaten (keine Umweltverträglichkeitsprüfung)
Wir deaktivieren bewusst die bordeigene elektronische Bildstabilisierung (EIS). EIS beschneidet das ursprüngliche Sichtfeld und verändert die werkseitig kalibrierten intrinsischen und extrinsischen Parameter, was die Stereoabbildung und die Kalibrierungskonsistenz zwischen Kamera und IMU beeinträchtigen würde. Die unformatierten Originaldaten im Vollbildmodus werden für die Verarbeitung durch den Backend-Algorithmus des Roboters verwendet.
Hardware-Synchronisierung im Mikrosekundenbereich
Der integrierte 6-Achsen-IMU ICM-2688 (Beschleunigungsmesser + Gyroskop, Abtastrate 200–500 Hz) wird über ein dediziertes GPIO-Triggersignal synchronisiert. Ein einheitliches Impulssignal, das über die GPIO-Pins gesendet wird, triggert gleichzeitig die Stereokameras und die IMU-Abtastung. Der Synchronisationsfehler liegt unter 10 Mikrosekunden, und jedes Videobild sowie jede IMU-Abtastung enthält einen einheitlichen Hardware-Zeitstempel.
Dieses Maß an Synchronisierung ist ein obligatorischer Standard für gängige VIO-Pipelines wie VINS‐Fusion und OpenVINS, bei denen die rein softwarebasierte Zeitstempelausrichtung über lange Aufnahmesequenzen hinweg zu einer deutlichen Abweichung der Trajektorie führt.
Onboard-Kalibrierungsspeicher
Die vollständige Werkskalibrierung umfasst die Stereo-Intrinsik, Extrinsik und die Kamera-zu-IMU-Transformationen. Alle Kalibrierungsparameter werden im internen Flash-Speicher abgelegt und sind über das plattformübergreifende SDK vollständig auslesbar – eine erneute Kalibrierung vor Ort nach der Inbetriebnahme des Geräts ist nicht erforderlich.
Flexibilität beim Einsatz
Es werden zwei Betriebsmodi unterstützt, um alle Forschungsszenarien abzudecken.
Standardisierte Datenausgabe in mehreren Formaten
1. Lokale Aufnahme auf der integrierten TF-Karte (Offline-Aufnahme)
- Synchronisierte MP4-Videodateien für das linke und rechte Binokular zur schnellen visuellen Vorschau
- Unabhängige CSV-Protokolle speichern IMU-Rohdaten zusammen mit Mikrosekunden-Zeitstempeln.
2. Aufzeichnung vom Host-PC über SDK (USB-Verbindung unter ROS/ROS2-Umgebung)
Unterstützt den Export vollständiger synchronisierter ROSbag- und Lightweight-MCAP-Sensordatensätze und ist vollständig kompatibel mit gängigen Robotik-Entwicklungsökosystemen.
Alle Hardware-Zeitstempel sind für jedes Frame und jede IMU-Abtastung eingebettet. Die vollständigen Werkskalibrierungsparameterdateien sind über das offizielle SDK zugänglich.
Das Modul verfügt über keine integrierte KI-Verarbeitung oder automatische Annotationsfunktionen. Seine Kernaufgabe besteht in der Ausgabe sauberer, zeitlich abgestimmter Rohsensordaten, während Modelltraining, Zielerkennung und Algorithmeninferenz den unabhängigen Entwicklungspipelines der Forscher überlassen bleiben.
Anpassungsmöglichkeiten und kommerzielle Verfügbarkeit
Die Ego-Kamera ist ab sofort für Forschungslabore weltweit, Robotik-Startups und Hersteller humanoider Roboter erhältlich. Anpassbare Stereo-Basislinienabstände und Objektiv-Sichtfeldkonfigurationen werden für ODM-Großprojekte unterstützt.
Um die Kosten der Hardwareintegration zu senken, werden zu jeder Bestellung ein vollständiges technisches SDK, eine Betriebsdokumentation und Beispieltestcodes bereitgestellt.
Nehmen Sie Kontakt auf
Benötigen Sie Produktmuster, SDK-Dokumentation, Beratung zu technischen Parametern oder kundenspezifische Hardwarelösungen für Ihr Robotik-Lernprojekt? Dann senden Sie uns bitte eine Anfrage per E-Mail. Unser Ingenieurteam bietet Ihnen individuelle technische Unterstützung für Projekte zur Erfassung von SLAM-, VIO- und eingebetteten KI-Datensätzen.
Veröffentlichungsdatum: 29. Juli 2026
