深朴智能发布HiFi-UMI，无本体数据直达真机后训练
HiFi-UMI解决了机器人数据难题，让低成本采集的操作数据不再依赖真机校准，直接训练出可部署的机器人策略。
深朴智能推出HiFi-UMI，一种高保真无本体数据采集系统（无需真实机器人，仅靠便携设备记录人类操作），通过头戴式双目SLAM、硬件同步等技术，让纯无本体数据也能用于机器人后训练，成功率接近真机遥操作数据。
正文摘录
无本体数据直达真机，深朴智能拔掉机器人后训练的「真机数据锚点」 编辑｜Youli 当下，一个逐渐清晰的共识是，具身智能的叙事正由「会不会做一个动作」，转向「能不能在真实世界里稳定完成复杂任务」。尤其是在刚刚过去的 WAIC2026 现场，这一点尤为明显，机器人不再满足于表演式的单动作演示，而是被期待走进产线、仓储和酒店客房，真正「做事」。 不过，Demo 与落地之间，隔着一道明确的鸿沟。VLA 还是 WAM？模型够不够大？参数够不够多？等等，路线之争尚无定论。但有一个难题明确而具体： 数据，尤其是高质量操作数据 。 前段时间，「AI 教母」、斯坦福大学教授李飞飞再次重申这一难题，直言， 不同于 LLM 可以从互联网上获取丰富数据资源，具身智能从训练到评估阶段，数据都十分匮乏……  仔细来看，目前行业中的几大数据来源各有优劣。 互联网视频规模大，但缺少精确动作信息；真机遥操数据足够准确，却需要同时占用机器人、操作员和固定场地，成本高，扩展速度也慢；UMI 等无本体采集方案提供了另一条路径，把采集设备从机器人身上拆下来，解决了进入更多真实环境的问题。 可过去很长一段时间里， 这类无本体数据由于保真度缺陷，主要用于模型预训练，到了学习具体任务的后训练阶段，团队仍要补充一定比例的真机遥操作数据，作为「锚点」 ，对齐机器人本体、执行时延、相机视角和真实环境差异。