作者：彭堃方

編輯：呂鑫燚

出品：具身研習(xí)社

具身智能的數(shù)據(jù)卡點(diǎn)還沒(méi)解決，但好在我們走到了“數(shù)據(jù)平權(quán)”時(shí)刻。

此前，困住數(shù)據(jù)的無(wú)非是一個(gè)“荒”，百萬(wàn)小時(shí)級(jí)的數(shù)據(jù)集別說(shuō)還只是“望梅”階段，都不一定止渴。其本質(zhì)在于當(dāng)前數(shù)據(jù)量級(jí)遠(yuǎn)沒(méi)有達(dá)到理想可行狀態(tài)，尤其是質(zhì)量更高，數(shù)據(jù)金字塔最頂端的真機(jī)數(shù)據(jù)，其遙操作的采集方式，存在著結(jié)構(gòu)性限制：本體成本高、部署復(fù)雜、采集效率低且數(shù)據(jù)受限于本體構(gòu)型等。

遙操作存在明顯量級(jí)卡點(diǎn)，有量級(jí)優(yōu)勢(shì)的仿真數(shù)據(jù)又有填不平的Embodiment Gap。

用一個(gè)并不嚴(yán)謹(jǐn)?shù)谋扔鱽?lái)說(shuō)，數(shù)據(jù)就像是饑荒，但真機(jī)和仿真路線，一個(gè)有飯、一個(gè)有菜，誰(shuí)都湊不出一桌能吃飽的飯菜。

今天，這番景象正在發(fā)生變化。

一個(gè)邁向規(guī)�；⒍鄻踊�、高質(zhì)量的真實(shí)數(shù)據(jù)采集路徑，被真正走通了。它比仿真數(shù)據(jù)有著更小的GAP，比真機(jī)遙操作數(shù)據(jù)有更明顯的量級(jí)優(yōu)勢(shì)：UMI（Universal Manipulation Interface，通用操作接口）

簡(jiǎn)單來(lái)說(shuō)，它是一種通過(guò)手持夾爪、攝像頭和位姿估計(jì)算法，將人類手勢(shì)動(dòng)作直接轉(zhuǎn)化為機(jī)器人可學(xué)習(xí)軌跡的低成本數(shù)采方案。這種新范式，解決了真機(jī)數(shù)據(jù)采集成本高、效率低、數(shù)據(jù)跨本體不可復(fù)用、數(shù)據(jù)多樣性受限等一系列問(wèn)題。

2026年，我們希望建立起100萬(wàn)小時(shí)規(guī)模的具身真機(jī)數(shù)據(jù)產(chǎn)能。”鹿明機(jī)器人聯(lián)席CTO丁琰博士在對(duì)談中說(shuō)道。穹徹智能RoboPocket的產(chǎn)品負(fù)責(zé)人呂峻博士也表示，他們已經(jīng)開(kāi)始進(jìn)行眾包數(shù)采小規(guī)模測(cè)試，“全員數(shù)采的時(shí)代，可能比我們想象中來(lái)得更早”。

從范式本身來(lái)說(shuō)，UMI通過(guò)更低的硬件成本，更高的產(chǎn)出效率讓數(shù)據(jù)不再只是昂貴的稀缺資源，也不再只是少數(shù)頭部企業(yè)的先天優(yōu)勢(shì)。從生態(tài)來(lái)說(shuō)，得益于umi范式的特殊性，數(shù)據(jù)采集不再需要困在數(shù)據(jù)采集工廠，而是走向真實(shí)物理世界中，還原更多真實(shí)任務(wù)。

UMI正在開(kāi)啟一場(chǎng)某種意義上的“數(shù)據(jù)平權(quán)”。

在新技術(shù)的“向陽(yáng)面”之下，新的問(wèn)題也隨之而來(lái)。能通過(guò)簡(jiǎn)單硬件輕松獲取數(shù)據(jù)，是否陷入了過(guò)度追求量級(jí)的極端路線？這場(chǎng)暴力美學(xué)如何平衡數(shù)據(jù)高質(zhì)量與多樣性？

更重要的是，于具身智能而言，UMI意味著什么？

近一段時(shí)間，UMI的升級(jí)與改良產(chǎn)品密集出現(xiàn)，具身研習(xí)社圍繞UMI對(duì)話了國(guó)內(nèi)代表性企業(yè)的技術(shù)專家，鹿明機(jī)器人聯(lián)席CTO丁琰博士和穹徹智能RoboPocket產(chǎn)品負(fù)責(zé)人呂峻博士。透過(guò)技術(shù)視角，我們將看到更真實(shí)的數(shù)據(jù)采集境況與未來(lái)發(fā)展趨勢(shì)。

UMI是什么？

在最初斯坦福的論文中，UMI被描述為一種“夾爪+視覺(jué)系統(tǒng)”的采集方案：通過(guò)在人類操作者手部或末端工具上部署輕量級(jí)傳感器與攝像頭，直接記錄操作過(guò)程中的軌跡、時(shí)序與環(huán)境反饋。

后來(lái)，Generalist、Sunday等團(tuán)隊(duì)在此基礎(chǔ)上，將UMI從學(xué)術(shù)界帶到了產(chǎn)業(yè)屆，開(kāi)啟大規(guī)模真機(jī)數(shù)據(jù)生產(chǎn)。（Sunday聯(lián)合創(chuàng)始人遲宬「ChengChi」，正是2024年UMI論文的兩位一作之一。)

圖片來(lái)源：Sunday

國(guó)內(nèi)來(lái)看，鹿明的丁琰在美國(guó)讀博時(shí)曾嘗試用手柄遙操作機(jī)械臂采集數(shù)據(jù)，發(fā)現(xiàn)過(guò)程非常笨重且累人。他當(dāng)時(shí)就有個(gè)愿望：能不能把笨重的機(jī)械臂“卸掉”，人直接拿著夾爪去操作 。2024年3月看到UMI相關(guān)工作后，他發(fā)現(xiàn)這與自己想“偷懶”、只關(guān)注前端操作的思路完全吻合 。

穹徹的團(tuán)隊(duì)早在2021年就開(kāi)始做遙操作數(shù)據(jù)集，但發(fā)現(xiàn)“數(shù)采工廠”模式存在三大瓶頸：成本極高、操作不直觀（隔空取物導(dǎo)致動(dòng)作機(jī)械）、場(chǎng)景單一（遠(yuǎn)不及真實(shí)世界）。因此，他們逐漸開(kāi)展由“本體”到“外骨骼”再到“UMI”這種脫離機(jī)器，遠(yuǎn)離實(shí)驗(yàn)室環(huán)境的采集方案。

所以，今天我們看到UMI，其實(shí)某種程度上是用人代替機(jī)器人“本體”，讓人流動(dòng)在現(xiàn)實(shí)環(huán)境中，讓人去操作一個(gè)機(jī)器夾爪產(chǎn)生操作數(shù)據(jù)。那如果一定要給UMI數(shù)據(jù)一個(gè)形態(tài)定義，它更像是介于Robot Data與Human Data之間的一種中間態(tài)：既不同于利用純互聯(lián)網(wǎng)視頻學(xué)習(xí)人類數(shù)據(jù)，也不同于強(qiáng)耦合的本體遙操數(shù)據(jù)。

但需要強(qiáng)調(diào)的是，這三者之間并非逐次替代關(guān)系，更談不上孰優(yōu)孰劣�，F(xiàn)實(shí)情況是，具身智能企業(yè)會(huì)根據(jù)自身的數(shù)據(jù)利用能力，進(jìn)行混合使用、按需使用。

那么，為什么UMI會(huì)在短時(shí)間內(nèi)讓一眾廠商“拍案稱絕”？這就是UMI數(shù)采范式最明顯的特點(diǎn)之一，就是價(jià)格足夠低。

最直觀來(lái)看，有兩個(gè)原因：一是它不斷刷新真實(shí)數(shù)據(jù)可規(guī)�；纳舷�，讓“真機(jī)數(shù)據(jù)難以規(guī)模化”這一長(zhǎng)期共識(shí)出現(xiàn)松動(dòng)；二是UMI數(shù)據(jù)與模型訓(xùn)練之間形成了明確閉環(huán)，證明這類數(shù)據(jù)不僅能采，而且能訓(xùn)出效果不錯(cuò)的模型。

對(duì)整個(gè)具身智能行業(yè)而言，這是一場(chǎng)震動(dòng)。行業(yè)并不只是為某一種采集技術(shù)而興奮，更是因?yàn)?strong>數(shù)據(jù)不再只屬于“頭號(hào)玩家”

圖片來(lái)源：鹿明機(jī)器人

以鹿明為例，其FastUMI Pro在成本與效率上相較傳統(tǒng)遙操方案有數(shù)量級(jí)的下降，僅測(cè)算人力成本UMI方案是遙操方案的1/5，如果計(jì)算硬件成本，則達(dá)到驚人的1/200；采集效率提升3倍。

圖片來(lái)源：穹徹智能

此外，穹徹智能另辟蹊徑，RoboPocket直接采用iPhone作為核心硬件方案，最大化復(fù)用現(xiàn)有智能終端，壓縮前期研發(fā)與部署成本。在呂峻博士看來(lái)“手機(jī)是一個(gè)很好的硬件”，想要超過(guò)它也并不容易。

這意味著，大規(guī)模真實(shí)數(shù)據(jù)，不再只是財(cái)力雄厚的頭部廠商的“專屬游戲”。過(guò)去受困于數(shù)據(jù)成本的第二、第三梯隊(duì)企業(yè)，也第一次具備了參與數(shù)據(jù)競(jìng)爭(zhēng)的可能。

與此同時(shí)，UMI在數(shù)據(jù)層面實(shí)現(xiàn)了對(duì)機(jī)器人本體的解耦。同一套采集數(shù)據(jù)，可以適配不同構(gòu)型的機(jī)械臂。這使得企業(yè)不再因?yàn)椤皵?shù)據(jù)綁定”而被迫鎖死構(gòu)型選擇，也不必為某一既有數(shù)據(jù)框架所附著。

從結(jié)果來(lái)看，數(shù)據(jù)成本的下降，意味著行業(yè)不再只是“最多本體，誰(shuí)就能暴力生產(chǎn)數(shù)據(jù)”。

事實(shí)上，在過(guò)去幾個(gè)月里，UMI并非一直被擺在臺(tái)面上討論。核心原因在于，業(yè)內(nèi)始終對(duì)其數(shù)據(jù)質(zhì)量存有疑問(wèn)。畢竟，沒(méi)有高質(zhì)量數(shù)據(jù)，UMI不只是無(wú)效，甚至可能成為一種“投毒”。

曾有說(shuō)法認(rèn)為，先前UMI方案采集的數(shù)據(jù)中，真正可用的比例可能只有10%。因此，一個(gè)關(guān)鍵問(wèn)題長(zhǎng)期懸而未決：用UMI采集的數(shù)據(jù)，真的能訓(xùn)出一個(gè)可用的模型嗎？

在2025年底，情況開(kāi)始發(fā)生變化。海外具身智能廠商在UMI數(shù)采范式下，先后訓(xùn)練出了如Generalist的GEN-0、Sunday的ACT-1等模型，初步證明這條路徑是可走通的。

圖片說(shuō)明：Sunday數(shù)采崗位JD，其中第一條即是要求遵循SOP，確保數(shù)據(jù)質(zhì)量

也正是在這一階段，行業(yè)開(kāi)始意識(shí)到，圍繞UMI真正需要被討論的，不是能不能采到很多數(shù)據(jù)，而是這些數(shù)據(jù)如何被治理，以確保質(zhì)量

UMI容易被誤解成“用相機(jī)記錄人操作夾爪的過(guò)程”。但實(shí)際上，UMI是AI對(duì)物理世界的理解、對(duì)齊，并且在物理空間里面可以復(fù)現(xiàn)的交互行為記錄，必須在軌跡精度、時(shí)序一致性、畫(huà)面質(zhì)量等多個(gè)維度同時(shí)達(dá)標(biāo)。

丁琰博士曾撰文回答過(guò)為什么大量UMI設(shè)備采不出“能訓(xùn)練模型的數(shù)據(jù)”，其中包括核心硬件性能不足，導(dǎo)致信息密度先天受限；設(shè)備并非系統(tǒng)級(jí)產(chǎn)品，而是傳感器拼裝體等原因。而這些導(dǎo)致采集的數(shù)據(jù)質(zhì)量不夠高，無(wú)法進(jìn)入訓(xùn)練管線。

他認(rèn)為“數(shù)據(jù)本質(zhì)上是可Replay的具身交互軌跡”，從真實(shí)數(shù)據(jù)學(xué)習(xí)就是想要復(fù)現(xiàn)這種動(dòng)作軌跡，如果數(shù)據(jù)質(zhì)量得不到保證，如軌跡偏移、斷裂等等，機(jī)器人就無(wú)法把人類示教的動(dòng)作復(fù)現(xiàn)。用他的話來(lái)說(shuō)“這就像開(kāi)卷考試，答案本身都不對(duì)，抄得再多也拿不到高分�！�

這便催生出“前饋式”數(shù)據(jù)治理的解決方案。

鹿明機(jī)器人選擇重?cái)?shù)據(jù)采集SOP，創(chuàng)立了含有8道工序的工業(yè)級(jí)數(shù)據(jù)質(zhì)量評(píng)估體系。此前丁琰曾帶隊(duì)11個(gè)人在3個(gè)月時(shí)間里，采集了10萬(wàn)條真機(jī)數(shù)據(jù)（FastUMI-100K），2000+小時(shí)的數(shù)據(jù)，帶給其團(tuán)隊(duì)豐富的數(shù)據(jù)理解和大規(guī)模數(shù)據(jù)治理經(jīng)驗(yàn)。并且，F(xiàn)astUMI Pro設(shè)備可以直連電腦，用戶在采集過(guò)程中即可實(shí)時(shí)校驗(yàn)數(shù)據(jù)有效性，從源頭避免低質(zhì)量數(shù)據(jù)，將數(shù)據(jù)有效率提升至95%以上。

穹徹則更注重對(duì)采集人員的管理，在穹徹看來(lái)，數(shù)據(jù)采集人員在無(wú)本體、分布式采集過(guò)程中，會(huì)缺乏“約束”，即前者會(huì)使得采集人員缺乏與機(jī)器人本體同構(gòu)的硬件約束，人類工作空間可能和機(jī)器本體出現(xiàn)出入；后者會(huì)使得采集人員的間接管理出現(xiàn)問(wèn)題，包括遠(yuǎn)程采集的指導(dǎo)、糾正、效率保障等。

穹徹智能此次發(fā)布的RoboPocket則將其對(duì)模型訓(xùn)練的理解融為一個(gè)“數(shù)據(jù)導(dǎo)師App”，它能夠下發(fā)任務(wù)指導(dǎo)、實(shí)時(shí)交互提醒、多維度質(zhì)量打分，也是通過(guò)采集階段的質(zhì)量控制，避免后續(xù)數(shù)據(jù)處理存在的大量無(wú)效數(shù)據(jù)。據(jù)透露，穹徹智能內(nèi)部正在小規(guī)模測(cè)試眾包數(shù)采模式，未來(lái)甚至可能將數(shù)據(jù)采集分包給更廣泛的普通人群。

圖片來(lái)源：穹徹智能

如呂博所說(shuō)，穹徹將來(lái)可能面向普通用戶推出百元級(jí)的RoboPocket小型硬件套裝，用戶可通過(guò)手機(jī)搭配該硬件，在家庭場(chǎng)景中完成數(shù)據(jù)采集任務(wù)。此舉既能持續(xù)壓低數(shù)據(jù)采集成本，又能獲取多樣化的真實(shí)家庭場(chǎng)景數(shù)據(jù)，進(jìn)而反哺模型優(yōu)化迭代。

總之，在數(shù)據(jù)規(guī)模之上，數(shù)據(jù)還應(yīng)該為訓(xùn)出模型負(fù)責(zé)，而只有真正有用的高質(zhì)量數(shù)據(jù)才能鍛造出能夠精細(xì)操作的模型。

近日著名投資機(jī)構(gòu)a16z投資合伙人Oliver Hsu撰文《物理AI的部署鴻溝》中，指出橫亙?cè)跈C(jī)器人落地過(guò)程中的第一個(gè)問(wèn)題便是“分布偏移”——單一數(shù)據(jù)導(dǎo)致使實(shí)驗(yàn)室模型在真實(shí)環(huán)境中失效。

“一個(gè)在機(jī)器人實(shí)驗(yàn)室訓(xùn)練的物體操作策略，在倉(cāng)庫(kù)中會(huì)遇到不同的光照、不同的背景、不同的物體紋理和不同的物理特性�！彼�，一個(gè)最簡(jiǎn)單的辦法就是讓機(jī)器人見(jiàn)過(guò)更多真實(shí)環(huán)境數(shù)據(jù)。

圖片來(lái)源：鹿明機(jī)器人

實(shí)際上，UMI本身正是為了解決數(shù)據(jù)多樣性不足而誕生的。

如果你細(xì)看UMI產(chǎn)品的“定語(yǔ)”，無(wú)論是鹿明的FastUMI Pro，還是穹徹的RoboPocket，都反復(fù)強(qiáng)調(diào)一個(gè)關(guān)鍵詞——“無(wú)本體”。不過(guò)，擺脫機(jī)器人本體，并不只是因?yàn)楸倔w成本高，更重要的是，它寄希望于讓數(shù)據(jù)采集走出實(shí)驗(yàn)室。

穹徹在AirExo-2外骨骼產(chǎn)品階段就提出過(guò)“生產(chǎn)伴隨式數(shù)據(jù)采集”的概念：讓操作者在真實(shí)環(huán)境中完成生產(chǎn)任務(wù)的同時(shí)，自然完成數(shù)據(jù)采集。無(wú)論是在便利店上下貨，還是在倉(cāng)儲(chǔ)、家庭等日常場(chǎng)景中，數(shù)據(jù)采集都可以被嵌入其中。

“人的想象力始終是貧瘠的”，“模型需要見(jiàn)到足夠多的數(shù)據(jù)，但數(shù)采廠任務(wù)場(chǎng)景有些局限，難以解決多樣性問(wèn)題”。UMI讓數(shù)據(jù)采集以一種更分布式、更貼近日常生活的方式發(fā)生，從而獲得更豐富的場(chǎng)景數(shù)據(jù)。

但問(wèn)題隨之而來(lái)，這是否意味著真機(jī)遙操作采集，已經(jīng)走到“窮途末路”？

截至目前，全國(guó)已有數(shù)十家人形機(jī)器人訓(xùn)練中心。能走出數(shù)采廠的UMI出現(xiàn)，看似對(duì)傳統(tǒng)真機(jī)數(shù)采工廠提出了挑戰(zhàn)。丁琰博士透露，在2024–2025年，遙操采集占據(jù)數(shù)采市場(chǎng)的絕大部分份額，但他判斷UMI的份額將迅速提升，目前已有近百家企業(yè)咨詢或采買FastUMI Pro設(shè)備。

然而這并不意味著“替代”。

呂峻博士指出，UMI本質(zhì)上并非真機(jī)數(shù)據(jù)，仍然存在Embodiment Gap。丁琰博士也認(rèn)為，在危險(xiǎn)化工、重載搬運(yùn)等場(chǎng)景中，遙操作機(jī)器人仍具備不可替代性；在某些高負(fù)載任務(wù)中，遙操反而更省力。

因此，更合理的判斷是：UMI數(shù)采與本體遙操數(shù)采，并非替代關(guān)系，而是一種長(zhǎng)期的競(jìng)合關(guān)系。

在中短期內(nèi)，UMI這種重SOP、重人員管理的數(shù)據(jù)采集方式，反而更適合與現(xiàn)有數(shù)采工廠結(jié)合。它可以充分利用既有數(shù)采廠的管理經(jīng)驗(yàn)，在原有體系中引入新的采集范式，推動(dòng)數(shù)采工廠升級(jí)，釋放更大的數(shù)據(jù)產(chǎn)能與價(jià)值。

據(jù)二位透露，目前鹿明機(jī)器人、穹徹智能都計(jì)劃在今年推動(dòng)與G端、企業(yè)合作，建設(shè)數(shù)采廠或進(jìn)入更多真實(shí)場(chǎng)景之中。

UMI的出現(xiàn)，并不是一次技術(shù)奇觀，更不是對(duì)既有路徑的“勝負(fù)裁決”。它之所以在這個(gè)時(shí)間點(diǎn)被迅速放大，本質(zhì)原因只有一個(gè)：具身智能在真實(shí)世界的數(shù)據(jù)瓶頸，已經(jīng)無(wú)法再單一靠堆本體、堆人力、堆預(yù)算來(lái)解決了。

因此，與其說(shuō)UMI帶來(lái)了某種“顛覆”，不如說(shuō)它提供了一種結(jié)構(gòu)性緩解方案。它讓真實(shí)數(shù)據(jù)第一次有機(jī)會(huì)脫離重資產(chǎn)與實(shí)驗(yàn)室，向規(guī)�；�、分布式和日常化擴(kuò)展。但這種擴(kuò)展，并不意味著一條路線可以覆蓋所有場(chǎng)景。

歷史經(jīng)驗(yàn)反復(fù)證明，單一路徑的“過(guò)度共識(shí)”，往往比技術(shù)分歧更危險(xiǎn)。當(dāng)一種方案被過(guò)早地視為“標(biāo)準(zhǔn)答案”，行業(yè)很容易忽視它的邊界條件，也容易低估那些暫時(shí)看似低效、卻在關(guān)鍵場(chǎng)景中不可替代的能力。

UMI也是如此。它可能并不會(huì)取代真機(jī)遙操作、仿真數(shù)據(jù)或其他人類行為數(shù)據(jù)。更現(xiàn)實(shí)的圖景是，未來(lái)的具身智能數(shù)據(jù)體系，將是多源并存、按任務(wù)分層、按階段取舍的。

放在產(chǎn)業(yè)來(lái)看，具身智能的“數(shù)據(jù)荒”問(wèn)題，或許并不會(huì)因?yàn)閁MI而徹底消失，但它正在被拆解、被分流、被重新定義。而這，或許正是具身數(shù)據(jù)開(kāi)始走向成熟的信號(hào)。