跳转至

UMI（Universal Manipulation Interface）

📌 一句话：用手持夹爪直接采人手"在野(in-the-wild)"演示，配合推理时延对齐 + 相对轨迹动作表示，把数据学成硬件无关、可跨平台部署的策略——不用真机就能教机器人。 🎬 arXiv 2402.10329 · 项目页 🔬 全文精读 + 关键图 + 数字：详读-UMI ⚠️ 摘要级占位卡，未精读全文。

🧰 对我们（速判）

  • 数据规模：摘要未给具体小时数；强调可便携、低成本、大规模在野采集（双手/动态任务）。
  • 采集成本：极低——手持夹爪 + 相机，无需机器人本体在场。
  • 开源：项目页公开（夹爪硬件+代码），社区影响大。
  • 证据：A（Cheng Chi / Shuran Song 团队，被广泛复现与引用）。
  • 能借：手持夹爪 + 相对轨迹动作表示，是"低成本接触采数"的经典范式，可对照 卡片-DexTeleop-0 遥操作支线。

关键（摘要级）

  • 手持夹爪采"在野"人手演示 → 直接学可部署策略。📄
  • 推理时延匹配 + 相对轨迹动作表示 → 策略硬件无关、可跨多机器人平台。📄
  • 解锁动态、双手、精密、长程行为，仅靠换训练数据即可零样本泛化到新环境/物体。📄

来源