据MarkTechPost报道，NVIDIA IsaacTeleop框架核心的重定向引擎能够把XR手部追踪和运动控制器输入，转换为仿真机器人及真实机器人可执行的命令。该媒体在2026年10月4日发布的教程中，没有接入头显，也没有使用OpenXR运行时或模拟器，而是用NumPy自行构建所有输入，使每个步骤都能在普通Colab CPU上运行并打印计算结果。

教程首先安装来自PyPI的isaacteleop[retargeters-lite]==1.4.145，该版本仅额外引入SciPy，并输出包版本、Python解释器和NumPy构建信息。据文章介绍，该包分为三部分：封装OpenXR和CloudXR的设备I/O模块、保存所有追踪器发出的FlatBuffer消息类型的schema模块，以及教程实际使用的纯Python重定向引擎。

在类型契约部分，引擎使用TensorGroupType和TensorGroup。TensorGroupType是有序、带类型的槽位列表，TensorGroup是运行时容器，每个槽位保存一个值，并在写入时进行校验。HandInput包含四个NumPy数组，用于26个OpenXR手部关节；ControllerInput有十四个槽位，用于姿态、按钮和轴，通过生成的IntEnum索引访问，而不是使用魔法数字。

教程说明了写入校验行为：在声明为float32的槽位写入float64数组会在写入时失败；读取无人写入的槽位会抛出异常，而不是返回过期数据。OptionalType用于标记追踪器可能无法提供的输入，对应的OptionalTensorGroup初始处于缺席状态，首次写入后变为存在，下游节点据此了解输入是否可用。

随后，教程生成合成的手部和控制器数据，编写带实时可调参数的自定义重定向器，并用它驱动内置的夹爪和SE(3)重定向器。文章还构建完整图，使每一步输出一个动作向量，应用世界坐标系变换，逐步运行，暂停并终止状态机，最后完成控制器到灵巧手的映射，以及可在重启后保留的参数调优。