对话鹿明CTO丁琰：数据会反向决定模型，甚至影响硬件形态 | GAIR 2025

56 0 0

文章摘要

数据采集一直是具身智能行业面临的核心挑战，涉及成本、精度和泛化能力的平衡问题。2025年11月Sunday Robotics推出的UMI方案证明了其可行性，而丁琰博士的FastUMI方案凭借低成本、高质量和快速部署优势，成为行业新范式。丁琰是国内最早实践UMI的专家，从上海AI Lab到鹿明机器人，始终坚持这一方向，将其视为一套完整体系而非单纯工具，目标是打造如AK47般简单可靠的基础设施。

UMI的核心优势在于直接从物理世界采集数据，不依赖机器人本体，解决了传统遥操作方案效率低、成本高、数据质量差及孤岛问题。UMI采集的数据包含精准的物理信息，体感与机器动作差距小至10%-20%，远优于遥操作的80%-90%差距。FastUMI采用二指方案而非五指，因后者自由度多、解算难度大，精度难以满足工业需求。丁琰团队在硬件、软件和算法三方面优化UMI，使其成为可规模化落地的工业级产品。

FastUMI Pro是团队工业级成果，重量控制在600g但承载2kg负载，定位精度极高。产品采用实时前处理模式，避免后处理的数据无效风险，并通过反馈训练提升采集员合格率至近100%。团队在硬件选型上投入巨大，测试数十款鱼眼相机，最终选定高规格方案以保证数据质量。目前FastUMI Pro已销售给几十家企业，成为行业验证UMI能力的标配设备。

深入实践UMI让丁琰意识到数据采集管理的复杂性。采集员操作不规范会导致数据无效，实时前处理能及时纠正问题。团队从3D打印原型迭代至工业级产品，克服材料、结构和精度等挑战，最终实现稳定可靠的量产方案。丁琰强调UMI是系统工程，需经历硬件-数据-算法闭环迭代才能成熟。未来UMI有望推动具身智能行业突破数据瓶颈，迈向更广泛的应用场景。