对话穹彻、鹿明：UMI登场，具身智能数据的平权时刻

　　作者：彭堃方

　　编辑：吕鑫燚

　　出品：具身研习社

　　具身智能的数据卡点还没解决，但好在我们走到了“数据平权”时刻。

　　此前，困住数据的无非是一个“荒”，百万小时级的数据集别说还只是“望梅”阶段，都不一定止渴。其本质在于当前数据量级远没有达到理想可行状态，尤其是质量更高，数据金字塔最顶端的真机数据，其遥操作的采集方式，存在着结构性限制：本体成本高、部署复杂、采集效率低且数据受限于本体构型等。

　　遥操作存在明显量级卡点，有量级优势的仿真数据又有填不平的Embodiment Gap。

　　用一个并不严谨的比喻来说，数据就像是饥荒，但真机和仿真路线，一个有饭、一个有菜，谁都凑不出一桌能吃饱的饭菜。

　　今天，这番景象正在发生变化。

　　一个迈向规模化、多样化、高质量的真实数据采集路径，被真正走通了。它比仿真数据有着更小的GAP，比真机遥操作数据有更明显的量级优势：UMI(Universal Manipulation Interface，通用操作接口)。

　　简单来说，它是一种通过手持夹爪、摄像头和位姿估计算法，将人类手势动作直接转化为机器人可学习轨迹的低成本数采方案。这种新范式，解决了真机数据采集成本高、效率低、数据跨本体不可复用、数据多样性受限等一系列问题。

　　“2026年，我们希望建立起100万小时规模的具身真机数据产能。”鹿明机器人联席CTO丁琰博士在对谈中说道。穹彻智能RoboPocket的产品负责人吕峻博士也表示，他们已经开始进行众包数采小规模测试，“全员数采的时代，可能比我们想象中来得更早”。

　　从范式本身来说，UMI通过更低的硬件成本，更高的产出效率让数据不再只是昂贵的稀缺资源，也不再只是少数头部企业的先天优势。从生态来说，得益于umi范式的特殊性，数据采集不再需要困在数据采集工厂，而是走向真实物理世界中，还原更多真实任务。

　　UMI正在开启一场某种意义上的“数据平权”。

　　在新技术的“向阳面”之下，新的问题也随之而来。能通过简单硬件轻松获取数据，是否陷入了过度追求量级的极端路线?这场暴力美学如何平衡数据高质量与多样性?

　　更重要的是，于具身智能而言，UMI意味着什么?

　　近一段时间，UMI的升级与改良产品密集出现，具身研习社围绕UMI，对话了国内代表性企业的技术专家，鹿明机器人联席CTO丁琰博士和穹彻智能RoboPocket产品负责人吕峻博士。透过技术视角，我们将看到更真实的数据采集境况与未来发展趋势。

　　UMI是什么?

　　在最初斯坦福的论文中，UMI被描述为一种“夹爪+ 视觉系统”的采集方案：通过在人类操作者手部或末端工具上部署轻量级传感器与摄像头，直接记录操作过程中的轨迹、时序与环境反馈。

　　后来，Generalist、Sunday等团队在此基础上，将UMI从学术界带到了产业届，开启大规模真机数据生产。(Sunday联合创始人迟宬「ChengChi」，正是2024 年 UMI 论文的两位一作之一。)

　　国内来看，鹿明的丁琰在美国读博时曾尝试用手柄遥操作机械臂采集数据，发现过程非常笨重且累人。他当时就有个愿望：能不能把笨重的机械臂“卸掉”，人直接拿着夹爪去操作 。2024年3月看到UMI相关工作后，他发现这与自己想“偷懒”、只关注前端操作的思路完全吻合 。

　　穹彻的团队早在2021年就开始做遥操作数据集，但发现“数采工厂”模式存在三大瓶颈：成本极高、操作不直观(隔空取物导致动作机械)、场景单一(远不及真实世界)。因此，他们逐渐开展由“本体”到“外骨骼”再到“UMI”这种脱离机器，远离实验室环境的采集方案。

　　所以，今天我们看到UMI，其实某种程度上是用人代替机器人“本体”，让人流动在现实环境中，让人去操作一个机器夹爪产生操作数据。那如果一定要给UMI数据一个形态定义，它更像是介于Robot Data与Human Data之间的一种中间态：既不同于利用纯互联网视频学习人类数据，也不同于强耦合的本体遥操数据。

　　但需要强调的是，这三者之间并非逐次替代关系，更谈不上孰优孰劣。现实情况是，具身智能企业会根据自身的数据利用能力，进行混合使用、按需使用。

　　那么，为什么UMI会在短时间内让一众厂商“拍案称绝”?这就是UMI数采范式最明显的特点之一，就是价格足够低。

　　最直观来看，有两个原因：一是它不断刷新真实数据可规模化的上限，让“真机数据难以规模化”这一长期共识出现松动;二是UMI数据与模型训练之间形成了明确闭环，证明这类数据不仅能采，而且能训出效果不错的模型。

　　对整个具身智能行业而言，这是一场震动。行业并不只是为某一种采集技术而兴奋，更是因为数据不再只属于“头号玩家”。

　　图片来源：鹿明机器人

　　以鹿明为例，其FastUMI Pro在成本与效率上相较传统遥操方案有数量级的下降，仅测算人力成本UMI方案是遥操方案的1/5，如果计算硬件成本，则达到惊人的1/200;采集效率提升3倍。

　　图片来源：穹彻智能

　　此外，穹彻智能另辟蹊径，RoboPocket直接采用iPhone作为核心硬件方案，最大化复用现有智能终端，压缩前期研发与部署成本。在吕峻博士看来“手机是一个很好的硬件”，想要超过它也并不容易。

　　这意味着，大规模真实数据，不再只是财力雄厚的头部厂商的“专属游戏”。过去受困于数据成本的第二、第三梯队企业，也第一次具备了参与数据竞争的可能。

　　与此同时，UMI在数据层面实现了对机器人本体的解耦。同一套采集数据，可以适配不同构型的机械臂。这使得企业不再因为“数据绑定”而被迫锁死构型选择，也不必为某一既有数据框架所附着。

　　从结果来看，数据成本的下降，意味着行业不再只是“最多本体，谁就能暴力生产数据”。

　　事实上，在过去几个月里，UMI并非一直被摆在台面上讨论。核心原因在于，业内始终对其数据质量存有疑问。毕竟，没有高质量数据，UMI不只是无效，甚至可能成为一种“投毒”。

　　曾有说法认为，先前UMI方案采集的数据中，真正可用的比例可能只有10%。因此，一个关键问题长期悬而未决：用UMI采集的数据，真的能训出一个可用的模型吗?

　　在2025年底，情况开始发生变化。海外具身智能厂商在UMI数采范式下，先后训练出了如Generalist 的 GEN-0、Sunday 的 ACT-1等模型，初步证明这条路径是可走通的。

　　图片说明：Sunday数采岗位JD，其中第一条即是要求遵循SOP，确保数据质量

　　也正是在这一阶段，行业开始意识到，围绕UMI真正需要被讨论的，不是能不能采到很多数据，而是这些数据如何被治理，以确保质量。

　　UMI容易被误解成“用相机记录人操作夹爪的过程”。但实际上，UMI是AI对物理世界的理解、对齐，并且在物理空间里面可以复现的交互行为记录，必须在轨迹精度、时序一致性、画面质量等多个维度同时达标。

　　丁琰博士曾撰文回答过为什么大量UMI设备采不出“能训练模型的数据”，其中包括核心硬件性能不足，导致信息密度先天受限;设备并非系统级产品，而是传感器拼装体等原因。而这些导致采集的数据质量不够高，无法进入训练管线。

　　他认为“数据本质上是可Replay的具身交互轨迹”，从真实数据学习就是想要复现这种动作轨迹，如果数据质量得不到保证，如轨迹偏移、断裂等等，机器人就无法把人类示教的动作复现。用他的话来说“这就像开卷考试，答案本身都不对，抄得再多也拿不到高分。”

　　这便催生出“前馈式”数据治理的解决方案。

　　鹿明机器人选择重数据采集SOP，创立了含有8道工序的工业级数据质量评估体系。此前丁琰曾带队11 个人在3个月时间里，采集了10万条真机数据(FastUMI -100K)，2000+小时的数据，带给其团队丰富的数据理解和大规模数据治理经验。并且，FastUMI Pro设备可以直连电脑，用户在采集过程中即可实时校验数据有效性，从源头避免低质量数据，将数据有效率提升至95%以上。

　　穹彻则更注重对采集人员的管理，在穹彻看来，数据采集人员在无本体、分布式采集过程中，会缺乏“约束”，即前者会使得采集人员缺乏与机器人本体同构的硬件约束，人类工作空间可能和机器本体出现出入;后者会使得采集人员的间接管理出现问题，包括远程采集的指导、纠正、效率保障等。

　　穹彻智能此次发布的RoboPocket则将其对模型训练的理解融为一个“数据导师App”，它能够下发任务指导、实时交互提醒、多维度质量打分，也是通过采集阶段的质量控制，避免后续数据处理存在的大量无效数据。据透露，穹彻智能内部正在小规模测试众包数采模式，未来甚至可能将数据采集分包给更广泛的普通人群。

　　图片来源：穹彻智能

　　如吕博所说，穹彻将来可能面向普通用户推出百元级的RoboPocket小型硬件套装，用户可通过手机搭配该硬件，在家庭场景中完成数据采集任务。此举既能持续压低数据采集成本，又能获取多样化的真实家庭场景数据，进而反哺模型优化迭代。

　　总之，在数据规模之上，数据还应该为训出模型负责，而只有真正有用的高质量数据才能锻造出能够精细操作的模型。

　　近日著名投资机构a16z投资合伙人Oliver Hsu撰文《物理AI的部署鸿沟》中，指出横亘在机器人落地过程中的第一个问题便是“分布偏移”——单一数据导致使实验室模型在真实环境中失效。

　　“一个在机器人实验室训练的物体操作策略，在仓库中会遇到不同的光照、不同的背景、不同的物体纹理和不同的物理特性。”所以，一个最简单的办法就是让机器人见过更多真实环境数据。

　　图片来源：鹿明机器人

　　实际上，UMI本身正是为了解决数据多样性不足而诞生的。

　　如果你细看UMI产品的“定语”，无论是鹿明的FastUMI Pro，还是穹彻的 RoboPocket，都反复强调一个关键词——“无本体”。不过，摆脱机器人本体，并不只是因为本体成本高，更重要的是，它寄希望于让数据采集走出实验室。

　　穹彻在AirExo-2外骨骼产品阶段就提出过“生产伴随式数据采集”的概念：让操作者在真实环境中完成生产任务的同时，自然完成数据采集。无论是在便利店上下货，还是在仓储、家庭等日常场景中，数据采集都可以被嵌入其中。

　　“人的想象力始终是贫瘠的”，“模型需要见到足够多的数据，但数采厂任务场景有些局限，难以解决多样性问题”。UMI让数据采集以一种更分布式、更贴近日常生活的方式发生，从而获得更丰富的场景数据。

　　但问题随之而来，这是否意味着真机遥操作采集，已经走到“穷途末路”?

　　截至目前，全国已有数十家人形机器人训练中心。能走出数采厂的UMI出现，看似对传统真机数采工厂提出了挑战。丁琰博士透露，在2024–2025年，遥操采集占据数采市场的绝大部分份额，但他判断UMI的份额将迅速提升，目前已有近百家企业咨询或采买 FastUMI Pro设备。

　　然而这并不意味着“替代”。

　　吕峻博士指出，UMI本质上并非真机数据，仍然存在Embodiment Gap。丁琰博士也认为，在危险化工、重载搬运等场景中，遥操作机器人仍具备不可替代性;在某些高负载任务中，遥操反而更省力。

　　因此，更合理的判断是：UMI数采与本体遥操数采，并非替代关系，而是一种长期的竞合关系。

　　在中短期内，UMI这种重 SOP、重人员管理的数据采集方式，反而更适合与现有数采工厂结合。它可以充分利用既有数采厂的管理经验，在原有体系中引入新的采集范式，推动数采工厂升级，释放更大的数据产能与价值。

　　据二位透露，目前鹿明机器人、穹彻智能都计划在今年推动与G端、企业合作，建设数采厂或进入更多真实场景之中。

　　UMI的出现，并不是一次技术奇观，更不是对既有路径的“胜负裁决”。它之所以在这个时间点被迅速放大，本质原因只有一个：具身智能在真实世界的数据瓶颈，已经无法再单一靠堆本体、堆人力、堆预算来解决了。

　　因此，与其说UMI带来了某种“颠覆”，不如说它提供了一种结构性缓解方案。它让真实数据第一次有机会脱离重资产与实验室，向规模化、分布式和日常化扩展。但这种扩展，并不意味着一条路线可以覆盖所有场景。

　　历史经验反复证明，单一路径的“过度共识”，往往比技术分歧更危险。当一种方案被过早地视为“标准答案”，行业很容易忽视它的边界条件，也容易低估那些暂时看似低效、却在关键场景中不可替代的能力。

　　UMI也是如此。它可能并不会取代真机遥操作、仿真数据或其他人类行为数据。更现实的图景是，未来的具身智能数据体系，将是多源并存、按任务分层、按阶段取舍的。

　　放在产业来看，具身智能的“数据荒”问题，或许并不会因为UMI而彻底消失，但它正在被拆解、被分流、被重新定义。而这，或许正是具身数据开始走向成熟的信号。