3000块钱，这支中国团队把ChatGPT成功的“秘密”用在了机器人训练上

51 0 0

文章摘要

大语言模型的成功得益于海量低成本的互联网数据，而机器人领域因数据采集成本高而难以突破。传统机器人训练依赖昂贵设备，仿真数据又存在现实鸿沟。针对痛点，穹明智能团队推出了千元级的手持采集系统UMI ver.2并全面开源。

UMI ver.2将整机成本控制在三千元以内，实现了毫米级定位精度与双臂协同，大幅提升了复杂场景下数据采集的可用性。该系统采用多传感器同步对齐与严格的采集标准，确保高质量数据稳定产出。相比传统动捕方案，其成本节省90%以上且部署快捷，使数据采集能力得以向中小团队普及，打破了少数机构的技术垄断。

在生态建设上，团队将硬件清单、软件代码与训练流程完全开放，采用GPLv3协议保障技术普惠。彻底开源的策略旨在构建全栈开放体系，汇聚海量操作数据，推动具身智能领域形成数据采集到部署的完整闭环。这种可规模化复制的基础设施，有望成为通用低成本数据采集基建，支撑机器人通用技能库的形成。

针对未来发展，业内人士认为基础模型终将出现，但通用任务仍需个性化微调。机器人能力体系将分为基础模型、场景微调与现场示范三层。具身智能领域的“ChatGPT时刻”有望在2026至2028年间到来，届时通用模型与新模型范式将逐步成熟，推动行业迈入实用阶段。通过数据规模跨越与底层架构突破，机器人赛道正迎来规模化爆发的契机。