數(shù)據(jù)這個難題，一直在和具身從業(yè)者“相愛相殺”。

一方面，所有人都認(rèn)為高價值數(shù)據(jù)是決定機(jī)器人智能的關(guān)鍵，但另一方面，各種數(shù)據(jù)采集路徑依舊沒有統(tǒng)一。

不管是學(xué)習(xí)人類視頻、在仿真環(huán)境中生成無限合成數(shù)據(jù)，還是使用觸覺手套、高精度機(jī)械臂、靈巧手等設(shè)備遙操，具身數(shù)據(jù)始終難以突破采集成本高、效率低、難規(guī)模化、不同本體互通難、泛化能力不足等問題。

甚至，國內(nèi)具身領(lǐng)域還出現(xiàn)了“數(shù)據(jù)四小龍”的名號。

在這個分類中，智元機(jī)器人被看作遙控真機(jī)數(shù)據(jù)派，銀河通用走仿真數(shù)據(jù)路線，它石智航則是人類視頻數(shù)據(jù)的代表，而大力落地UMI（無本體模仿學(xué)習(xí)）的公司，鹿明機(jī)器人是有些代表性的一家。

鹿明機(jī)器人成立于2024年9月，創(chuàng)始人喻超是前追覓人形機(jī)器人業(yè)務(wù)負(fù)責(zé)人，擁有近10年具身機(jī)器人研發(fā)經(jīng)驗(yàn)。曾帶隊(duì)完成了小米Cyberdog的研發(fā)量產(chǎn)項(xiàng)目。

過去一年，這家公司推出過多款機(jī)器人整機(jī)產(chǎn)品，還自主研發(fā)FastUMI Pro數(shù)據(jù)采集系統(tǒng)。這個系統(tǒng)是鹿明針對UMI落地的產(chǎn)品，也是它現(xiàn)在的業(yè)務(wù)重點(diǎn)。

*鹿明的整機(jī)和數(shù)據(jù)采集系統(tǒng)

UMI是一種比較新興的數(shù)據(jù)采集模式。

根據(jù)一些定義，它的核心目標(biāo)是通過一套統(tǒng)一的數(shù)據(jù)表達(dá)與采集方式，覆蓋不同形態(tài)、不同自由度的操作系統(tǒng)。這種模式首先將人類示教、視覺感知和操作軌跡映射到一個獨(dú)立于具體機(jī)器人形態(tài)的中間空間，并利用硬件設(shè)備記錄完整的運(yùn)動軌跡和空間數(shù)據(jù)，再經(jīng)過模仿學(xué)習(xí)算法的加工，把人類在現(xiàn)實(shí)世界中的自然操作轉(zhuǎn)化為機(jī)器人可學(xué)習(xí)的數(shù)據(jù)。

相比其他數(shù)據(jù)采集方式，UMI的主要特點(diǎn)是成本低、采集效率高，可以跨本體，能夠讓同一份操作數(shù)據(jù)在不同硬件平臺上被理解和學(xué)習(xí)。

2025年下半年，海外的兩個明星產(chǎn)品，Generalist的新模型Gen 0，以及Sunday Robotics，都采用了UMI。

*利用鹿明FastUMI Pro采集數(shù)據(jù)，復(fù)現(xiàn)復(fù)雜任務(wù)

鹿明機(jī)器人也設(shè)計(jì)了UMI 數(shù)據(jù)采集系統(tǒng)——FastUMI Pro。目前，這家公司已經(jīng)與三菱電機(jī)、中遠(yuǎn)海運(yùn)、德馬科技等產(chǎn)業(yè)巨頭達(dá)成戰(zhàn)略合作，圍繞工業(yè)場景展開探索。

在最近的一場分享中，喻超稱，2026年，鹿明將達(dá)成超100萬小時的具身真機(jī)數(shù)據(jù)產(chǎn)能，目標(biāo)建設(shè)全球規(guī)模最大的高質(zhì)量真機(jī)數(shù)據(jù)集。

鹿明機(jī)器人的聯(lián)席CTO丁琰，此前在上海AI Lab擔(dān)任研究員，在一星機(jī)器人擔(dān)任過CTO，是國內(nèi)最早推動UMI落地的從業(yè)者之一。

他觀察到，現(xiàn)在UMI正處于快速落地的階段，但同時也有很多不為人知的問題：

首先，市場快速涌現(xiàn)出多種UMI數(shù)采設(shè)備，但訓(xùn)出來的UMI模型卻很少。

這是因?yàn)榇罅康腢MI數(shù)據(jù)從生成之初就不具備進(jìn)入訓(xùn)練管線的條件，也就是數(shù)據(jù)質(zhì)量不合格。

很多人認(rèn)為只要拿著夾爪、錄制一段視頻，就能生成UMI訓(xùn)練數(shù)據(jù)。但事實(shí)遠(yuǎn)非如此。真正的UMI 數(shù)據(jù)，本質(zhì)上是 AI 對物理世界的“對齊”與“復(fù)現(xiàn)”。

可以訓(xùn)練的UMI數(shù)據(jù)必須滿足幾個條件。第一是每一幀視覺和空間位姿都要嚴(yán)格對齊。另外，UMI可以集成多個傳感器，每個傳感器之間也要做到毫秒級的同步。比如，一個人想去拿眼前的一瓶水，不對齊的話得反應(yīng)好幾秒，水就可能拿不起來。

而且，一個好的軌跡必須可以在物理空間運(yùn)動中可復(fù)現(xiàn)。本質(zhì)要求是希望UMI采集的數(shù)據(jù)是高一致性的、高密度的，并且有可復(fù)現(xiàn)的時序數(shù)據(jù)結(jié)構(gòu)。

而且，現(xiàn)在很多數(shù)據(jù)是低質(zhì)量的“臟數(shù)據(jù)”以及讓模型學(xué)習(xí)異常困難的“廢數(shù)據(jù)”。

“臟數(shù)據(jù)”中包含大量抖動、漂移、時間錯位，雖然有感知價值，但難以支撐動作策略學(xué)習(xí)。在單視角UMl + imitation learning場景中，這些“噪聲”不會被海量數(shù)據(jù)抵消，反而會被模型持續(xù)放大。

“廢數(shù)據(jù)”，完全復(fù)制人在自然狀態(tài)下隨性的動作，沒有注入采集技巧，無法用于模型訓(xùn)練。舉個疊衣服的例子，人類自然的疊衣服動作對于機(jī)器人來說往往是無效的，因?yàn)闄C(jī)器人需要特定的“技巧性動作”（比如特定的抖動、鋪平軌跡）才能理解物理特性。

沒有經(jīng)過設(shè)計(jì)的、缺乏“信息密度”的自然行為數(shù)據(jù)，機(jī)器人看了也學(xué)不會，數(shù)據(jù)不僅要“真”，還要“有教學(xué)意義”。

現(xiàn)在很多UMI設(shè)備采不出滿足條件的數(shù)據(jù)，有兩個根本原因。

第一個核心問題是核心硬件模組能力不夠。如果UMI的CMOS組件或者主控芯片，性能非常差，就會導(dǎo)致畫面覆蓋有限，畫質(zhì)不好，曝光也不好，幀率比較抖動，破壞了動作和視覺的因果關(guān)系。模仿學(xué)習(xí)是機(jī)器看到什么畫面就做什么動作，但畫面和動作完全無法對齊，導(dǎo)致這個模型沒辦法學(xué)習(xí)。

第二，市面上很多產(chǎn)品不是系統(tǒng)設(shè)計(jì)的，而是很多現(xiàn)成模塊拼湊起來，用USB Hub連接的。這使得產(chǎn)品的帶寬架構(gòu)非常脆弱，每個模塊都會搶帶寬。一旦有什么負(fù)載，就會出現(xiàn)掉幀等一系列問題，所以數(shù)據(jù)的質(zhì)量就非常糟糕，不能穩(wěn)定復(fù)現(xiàn)交互記錄。

丁琰介紹，正是希望UMI“正確”落地，鹿明在硬件產(chǎn)品、數(shù)據(jù)采集及模型訓(xùn)練生態(tài)等維度都做了布局。

首先是公司自主研發(fā)的FastUMI Pro（無本體模仿學(xué)習(xí)）數(shù)據(jù)采集系統(tǒng)，將單條數(shù)據(jù)采集時間從50秒縮短至10秒，效率提升5倍，同時將綜合成本降至傳統(tǒng)方法的五分之一。

并且，F(xiàn)astUMI Pro還集成了為UMI場景定制的高性能傳感器，能實(shí)現(xiàn)60Hz高頻記錄，讓多模態(tài)信息的毫秒級同步，使數(shù)據(jù)有效率從行業(yè)普遍的70%提升至95%以上。

據(jù)稱，現(xiàn)在全球具身智能圈里超過三分之二的團(tuán)隊(duì)，正在使用FastUMI Pro。

*鹿明FastUMI Pro

在這次交流中，鹿明的創(chuàng)始團(tuán)隊(duì)還向現(xiàn)場媒體分享了更多對具身數(shù)據(jù)和UMI的看法。

以下是交流節(jié)選：

Q：目前具身智能的數(shù)據(jù)獲取主要受限于高昂的成本與極低的效率。行業(yè)內(nèi)正圍繞遙控真機(jī)采集、仿真模擬、互聯(lián)網(wǎng)視頻學(xué)習(xí)三種方案展開探索。怎么看待這三個方案？

鹿明：我習(xí)慣從控制論和信息熵的角度來看待這個問題：

仿真數(shù)據(jù)不產(chǎn)生新的信息增量。仿真出的環(huán)境，跳不出構(gòu)建系統(tǒng)時設(shè)定的規(guī)則。它能讓動作更絲滑，但給不了機(jī)器人面對物理世界時的“信息錨點(diǎn)”。

網(wǎng)絡(luò)視頻訓(xùn)練的是機(jī)器人的“大腦”，讓它看懂世界，但這離真正的“上手干活”還差一層。

真機(jī)數(shù)據(jù)是解決物理交互的唯一路徑。有多少真實(shí)的交互數(shù)據(jù)，機(jī)器人就有多少處理復(fù)雜物理問題的能力。

視頻數(shù)據(jù)負(fù)責(zé)理解環(huán)境，真實(shí)數(shù)據(jù)負(fù)責(zé)物理交互，仿真增加信息的豐富度。

Q：你覺得未來UMI和遙操作分別占多大比例？

鹿明：我們覺得UMI可能是數(shù)據(jù)采集的終極解決方案。從第一性原理來看，人手直接操作是真實(shí)物理世界中效率最高的數(shù)據(jù)采集方式。如果將人手的采集效率定義為 00%，那么UMI這種“人手持夾爪”的采集效率已經(jīng)達(dá)到了90%，已經(jīng)逼近數(shù)據(jù)采集的效率極限。

從2024年P(guān)i0模型的1萬小時真機(jī)數(shù)據(jù)，到2025年Gen-0模型使用的27萬小時UMI數(shù)據(jù)，2026年的頭部算法公司的訓(xùn)練數(shù)據(jù)規(guī)模必然會突破百萬小時。隨著需求的快速增長，具身智能數(shù)據(jù)領(lǐng)域的市場需求必然爆發(fā)。

在2023年至2024年間，遙操作占據(jù)了絕大部分的市場份額，但進(jìn)入2025年和 2026年后，UMI的市場份額會迎來爆發(fā)式增長。

Q：目前業(yè)內(nèi)主流的數(shù)采工廠大多是為輪式人形機(jī)器人設(shè)計(jì)的，場景往往局限于一張桌子、幾個積木或水杯，空間相對固定。相比之下，UMI似乎天然具備擺脫空間約束的優(yōu)勢。那么，一個理想的UMI數(shù)采工廠應(yīng)該如何設(shè)計(jì)？它的環(huán)境空間又該如何高效復(fù)刻？

鹿明：這是一個非常深刻的問題，涉及行業(yè)內(nèi)的一個普遍誤區(qū)。

首先，關(guān)于UMI“不需要空間限制”或“可以隨意眾包”的觀點(diǎn)其實(shí)并不準(zhǔn)確。事實(shí)上，高質(zhì)量的UMI數(shù)據(jù)采集依然需要嚴(yán)密的物理空間設(shè)計(jì)，甚至有著極其嚴(yán)苛的規(guī)則限制。如果任由數(shù)采員無限制、無規(guī)則地自由發(fā)揮，產(chǎn)生的數(shù)據(jù)一致性將極差，最終導(dǎo)致模型無法收斂。這些關(guān)于空間設(shè)計(jì)的約束和技巧，是數(shù)據(jù)的核心商業(yè)機(jī)密之一。

關(guān)于 UMI 素材工廠的形態(tài)，我們認(rèn)為應(yīng)根據(jù)任務(wù)場景進(jìn)行差異化設(shè)計(jì)：

第一是桌面任務(wù)：雖然形式上也是桌子和物品，但我們會在工作站部署特殊的采集裝置。在這種半開放環(huán)境下，通過特定的設(shè)備配置，確保在看似自由的操作中捕捉到高一致性的數(shù)據(jù)特征。

還有移動操作任務(wù)：這是UMI真正的優(yōu)勢賽道。針對這類需要空間流轉(zhuǎn)的任務(wù)，我們提供了一套完整的解決方案：通過集成頭部相機(jī)、特殊傳感器以及雙手夾爪的硬件組合，記錄人在空間中移動、交互的全過程。

但必須強(qiáng)調(diào)的是，即使在移動操作中，數(shù)采員也并非“隨意亂走”。我們會制定一套復(fù)雜的空間引導(dǎo)規(guī)則，通過軟硬件結(jié)合的方式，確保采集過程既具備現(xiàn)實(shí)世界的豐富度，又符合模型訓(xùn)練所需的邏輯一致性。目前，鹿明已經(jīng)擁有三個成熟的數(shù)采工場，將通過這種“有規(guī)則的自由”，持續(xù)輸出百萬小時級的高質(zhì)量具身數(shù)據(jù)。

Q：具身公司采用了UMI訓(xùn)練后，模型能力有沒有顯著提升？有Benchmark嗎？

鹿明：通過UMI能讓模型的上限提升，目前算是行業(yè)內(nèi)的共識。

至于Benchmark，在模型泛化能力的考驗(yàn)上，很多行業(yè)里的公司傾向于用某個單一任務(wù)的成功率來看具身智能模型是否實(shí)現(xiàn)泛化。

舉個例子，比如說你要去評驗(yàn)一個任務(wù)，它可能會出現(xiàn)很多“極端/邊緣場景”（corner case）。為了這些場景，唯一的途徑可能就是堆數(shù)據(jù)，堆的越多模型見過的場景越多，成功率才會提升。

比如在Generalist疊紙盒子這個案例上，隨著數(shù)據(jù)越來越多，成功率是明顯提升的。

Q：怎么看數(shù)據(jù)、模型以及跨本體泛化的關(guān)系？

鹿明：這里的邏輯比想象中更加復(fù)雜，其實(shí)可以定位為數(shù)據(jù)、模型與硬件本體三個核心維度。

首先，數(shù)采硬件作為直接決定性因素，性能高低決定了數(shù)據(jù)的質(zhì)量，進(jìn)而數(shù)據(jù)質(zhì)量決定了模型的智能上限。劣質(zhì)數(shù)據(jù)絕無可能訓(xùn)練出優(yōu)秀的模型。鹿明首創(chuàng)了“為模型成功率負(fù)責(zé)”的系統(tǒng)工程范式，從硬件設(shè)計(jì)源頭保障數(shù)據(jù)質(zhì)量。在UMI設(shè)備最核心的空間精度上，F(xiàn)astUMI Pro達(dá)到了1mm，是全球最高精度。

模型訓(xùn)練完成后需要部署在硬件本體上，若本體執(zhí)行能力不足，模型的效果也無法得到極致發(fā)揮，它們之間是相互影響的關(guān)系。我們即將發(fā)布一款最適配UMI數(shù)據(jù)的輕量型機(jī)械臂，希望通過算法與硬件的深度耦合，將性能的表現(xiàn)提升到極致。

針對跨本體的物理泛化問題，其實(shí)我只要在不同的機(jī)械臂上放一模一樣的相機(jī)，末端執(zhí)行器也保持相同，數(shù)據(jù)就可以互用了。

Q：整體看下來，你覺得數(shù)據(jù)采集過程中最難的是什么？

鹿明：人，人，還是人。 流程設(shè)計(jì)得再完美，最后執(zhí)行的還是人。

數(shù)據(jù)需要高度的一致性，但“千人千面”很難統(tǒng)一，比如抓門把手關(guān)門，十個人有十種關(guān)法。如果這種不規(guī)范的數(shù)據(jù)喂進(jìn)去，模型就徹底亂了。

為了解決這個問題，我們走過不少彎路。最初我們用了一個笨辦法：每采一段數(shù)據(jù)就丟進(jìn)小模型里訓(xùn)一下，能訓(xùn)通就說明數(shù)據(jù)好。但成本太恐怖了，算力貴如金。

后來我們做了一套全自動的評估體系。這套體系的核心就是解決“前處理”和“后處理”的矛盾。以前大家都是采完一堆拿回去慢慢挑，但經(jīng)驗(yàn)告訴我：數(shù)據(jù)必須瞬時評估。

通過軟件的自適應(yīng)培訓(xùn)方式，熟練采集工14天可以將數(shù)據(jù)有效率提升到95%以上

如果你不在采的那一刻告訴他“這條不行，重來”，那最后收回來的全是廢數(shù)據(jù)。所以我們堅(jiān)持要做及時評估系統(tǒng)，通過軟硬件結(jié)合，在采集發(fā)生的瞬間就卡死質(zhì)量關(guān)。這不是拍腦袋決定的，而是從無數(shù)“廢數(shù)據(jù)”堆里總結(jié)出來的實(shí)戰(zhàn)經(jīng)驗(yàn)。

因此以“可復(fù)現(xiàn)”作為第一性原理做數(shù)據(jù)治理，我?guī)е鴪F(tuán)隊(duì)建立了8道工業(yè)級數(shù)據(jù)質(zhì)量評估體系，只交付100%可復(fù)現(xiàn)軌跡。不同類型的客戶會給我們提出不同的標(biāo)準(zhǔn)，在給客戶交付數(shù)據(jù)的時候，我們數(shù)據(jù)質(zhì)量都能夠符合、甚至遠(yuǎn)高于客戶的標(biāo)準(zhǔn)。