模型架構(gòu)的終極比拼，核心在于數(shù)據(jù)質(zhì)量，這已是行業(yè)內(nèi)的普遍共識。

作者丨蘇建勛

在具身智能領(lǐng)域，“數(shù)據(jù)獲取”是為數(shù)不多能達(dá)成共識的關(guān)鍵議題。

大語言模型憑借海量數(shù)據(jù)訓(xùn)練催生了ChatGPT，“Scaling Law”也成為AI從業(yè)者的信仰。然而，具身智能所處的物理世界，缺乏互聯(lián)網(wǎng)般的海量數(shù)據(jù)資源。無論是人類還是機(jī)器人，現(xiàn)實場景中的數(shù)據(jù)量都難以支撐GPT時刻的復(fù)現(xiàn)。

因此，如何獲取數(shù)據(jù)、能獲取多少數(shù)據(jù)以及如何保障數(shù)據(jù)質(zhì)量，成為具身智能從業(yè)者當(dāng)前的核心工作之一。

近期，一家機(jī)器人公司在數(shù)據(jù)采集領(lǐng)域推出創(chuàng)新方案。鹿明機(jī)器人發(fā)布全球首款背包版UMI數(shù)采設(shè)備FastUMI Pro，并計劃于2026年投放1萬臺設(shè)備，在工業(yè)、家庭、酒店、餐館、商場、辦公六大真實場景開展系統(tǒng)性數(shù)據(jù)采集。

全球首款背包版UMI數(shù)采設(shè)備：鹿明FastUMI Pro（背包版）

UMI（通用操作接口）是斯坦福大學(xué)、哥倫比亞大學(xué)與豐田研究所聯(lián)合提出的低成本數(shù)據(jù)收集與學(xué)習(xí)框架。與市場上的遙操數(shù)采不同，UMI可與機(jī)器人本體解耦，意味著訓(xùn)練數(shù)據(jù)能適配多種機(jī)器人形態(tài)。

在2026年初的媒體交流會上，鹿明機(jī)器人創(chuàng)始人兼CEO喻超對比了UMI與遙操的效率和成本：

“以疊衣服為例，遙操作數(shù)據(jù)采集需50秒，成本3-5元；使用FastUMI Pro僅需10秒，成本低于0.6元，采集效率大幅提升，成本顯著降低。”

鹿明機(jī)器人成立于2024年9月，創(chuàng)始人喻超曾任追覓具身機(jī)器人業(yè)務(wù)負(fù)責(zé)人，擁有近10年研發(fā)經(jīng)驗，主導(dǎo)了小米CyberDog的研發(fā)與千臺量產(chǎn)。聯(lián)席CTO丁琰是大陸最早研究UMI的專家，首次將UMI從實驗室推向工業(yè)界。

兼顧規(guī)模與質(zhì)量

2025年，鹿明通過自建數(shù)采中心實現(xiàn)10萬小時的數(shù)據(jù)產(chǎn)能。喻超預(yù)測，2026年頭部具身模型的數(shù)據(jù)規(guī)模將不低于100萬小時。

鹿明2026年的核心目標(biāo)是建立年采集百萬小時的UMI數(shù)據(jù)產(chǎn)能，這要求采用更規(guī)?；牟杉侄潍@取更多數(shù)據(jù)。

“機(jī)器人訓(xùn)練數(shù)據(jù)不應(yīng)如此昂貴稀缺。人類在物理世界作業(yè)產(chǎn)生的數(shù)據(jù)無處不在，只是未被有效收集?！庇鞒硎尽?/p>

背包版FastUMI正是為解決這一問題而生——它是便攜的標(biāo)準(zhǔn)數(shù)采工作站，能高效將真實場景操作轉(zhuǎn)化為高質(zhì)量訓(xùn)練數(shù)據(jù)。

此前的具身數(shù)據(jù)采集多依賴實驗室或單一場景，導(dǎo)致機(jī)器人在單一場景重復(fù)動作，數(shù)據(jù)缺乏多樣性，影響模型泛化能力。

因此，鹿明希望通過更輕便的采集方式，將工具裝進(jìn)背包，降低真實場景數(shù)據(jù)采集門檻。

在場景覆蓋上，鹿明計劃涵蓋工業(yè)、家庭、酒店、餐館、商場、辦公六大核心場景，細(xì)分30個小類任務(wù)，構(gòu)建結(jié)構(gòu)化、多維度的操作數(shù)據(jù)體系。

“采–訓(xùn)–推”一體化閉環(huán)是鹿明數(shù)據(jù)基礎(chǔ)設(shè)施的核心。此次規(guī)?；杉劳幸汛蛲ǖ幕w系：FastUMI Pro助力鹿明雙臂具身機(jī)器人MOS在5小時內(nèi)完成工廠質(zhì)檢“數(shù)據(jù)采集-策略訓(xùn)練-模型推理”全流程驗證；在合肥部署后，僅7小時便跑通真實場景的采集、訓(xùn)練與部署推理。

FastUMI Pro在分揀零部件任務(wù)中，完成“數(shù)據(jù)采集-策略訓(xùn)練-模型推理”閉環(huán)

數(shù)據(jù)先行，模型后立

除背包式采集工具外，鹿明還建立了“數(shù)據(jù)超市”，將采集數(shù)據(jù)轉(zhuǎn)化為可流通的標(biāo)準(zhǔn)產(chǎn)品，客戶可在官網(wǎng)采購標(biāo)準(zhǔn)化操作數(shù)據(jù)?？梢姡鳛榫呱碇悄芄?，鹿明當(dāng)前戰(zhàn)略重點圍繞“數(shù)據(jù)”展開。

鹿明的一系列動作，反映了具身智能當(dāng)下的核心業(yè)務(wù)需求。

在年初的媒體溝通會上，聯(lián)席CTO丁琰向《智能涌現(xiàn)》等媒體分享了對數(shù)據(jù)與模型的見解。

“我出身模型研發(fā)，之前訓(xùn)模型時發(fā)現(xiàn)，要訓(xùn)出好模型必須有完善的數(shù)據(jù)管線，包括生產(chǎn)、評估、篩選，而建立過程本身需要時間?！倍＄f。

摸清行業(yè)現(xiàn)狀后，丁琰和團(tuán)隊決定，若模型與數(shù)據(jù)二選一，優(yōu)先選擇數(shù)據(jù)，不能直接訓(xùn)模型。

“因為模型架構(gòu)最終比拼的是數(shù)據(jù)質(zhì)量，這是行業(yè)共識?！倍＄鼜?qiáng)調(diào)。

具身智能的能力上限高度依賴真實操作數(shù)據(jù)的規(guī)模與質(zhì)量。當(dāng)通用數(shù)據(jù)可在線下單，行業(yè)模型訓(xùn)練門檻降低，具身智能才能從定制化探索走向工程化生產(chǎn)。

從“萬臺設(shè)備同步采集”到“通用數(shù)據(jù)電商化”，鹿明正將物理世界中“無處不在卻未被收集”的操作數(shù)據(jù)，轉(zhuǎn)化為可規(guī)模供給的標(biāo)準(zhǔn)化基礎(chǔ)設(shè)施，構(gòu)建數(shù)據(jù)驅(qū)動的生態(tài)系統(tǒng)。當(dāng)數(shù)據(jù)不再稀缺，機(jī)器人才能真正走向通用。

end

本文僅代表作者觀點，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請在文中注明來源及作者名字。

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請及時與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com