Les données de démonstration humaine de haute qualité constituent un fondement essentiel pour l'IA incarnée, l'apprentissage par imitation et la recherche en manipulation robotique. Cependant, l'enregistrement d'une personne réalisant une tâche n'est qu'un point de départ. Les équipes de recherche ont également besoin d'informations précises et alignées sur les mouvements de la main, l'état de la pince, le contexte visuel, la profondeur, le mouvement et les trajectoires spatiales.
Lorsque ces flux de données sont capturés par des appareils distincts, les différences de synchronisation, de systèmes de coordonnées et de qualité des données peuvent rendre l'ensemble de données résultant difficile à exploiter. Les problèmes peuvent n'apparaître qu'une fois la collecte terminée, ce qui entraîne des démonstrations répétées et un travail de post-traitement supplémentaire.