這家機器人公司把“具身數據”塞進1萬個背包里

作者丨蘇建勛

在具身智能領域，“搞數據”這個事兒，可能是為數不多的共識。

依靠訓練巨量數據，大語言模型誕生了Chatgpt，“Scaling Law”也成了AI人的信仰，可在具身智能所屬的物理世界，沒有互聯網上海量的數據參照。不論是人，還是機器人，在現實中的數據量，都不足以復現GPT時刻。

所以，數據怎么搞，能搞到多少，以及要讓數據有質量，就成了具身智能從業者當下最重要的工作之一。

最近，就有一家機器人公司想在數據采集上“整點花活兒”。鹿明機器人發布了全球首款背包版UMI數采設備FastUMI Pro（背包版），并計劃在2026年投放1萬臺設備，在工業、家庭、酒店、餐館、商場、辦公等六大真實場景開展系統性數據采集。

全球首款背包版UMI數采設備：鹿明FastUMI Pro（背包版）

簡單解釋一下“UMI（通用操作接口）”：UMI是斯坦福大學、哥倫比亞大學與豐田研究所聯合提出的低成本數據收集與學習框架。區別于市場同行的遙操數采，UMI可以與機器人本體解耦，這就意味著訓練出的數據，可以不僅適用于某一家/個機器人形態。

在2026年初的一次媒體交流會上，鹿明機器人創始人兼CEO喻超也聊到UMI和遙操的效率與成本對比：

“同樣是像疊衣服這樣的事情，遙操作數據采集，需要花 50 秒，成本是3-5元，如果是用FastUMI Pro的方式去采集，只要 10 秒，成本<0.6元，這樣的話其實采集的效率能大大提升，成本更低。”

鹿明機器人成立于2024年9月，創始人喻超是前追覓具身機器人業務負責人，擁有近10年具身機器人研發經驗，主導了小米CyberDog的研發和千臺量產。聯席CTO丁琰是大陸最早做UMI的人，首次將UMI從實驗室帶向工業界。

有量，也要有質

2025年，鹿明通過自建數采中心的方式，已實現10萬小時的數據產能。喻超判斷，2026年，頭部具身模型的數據規模預計100萬小時起。

而鹿明在2026年最重要的目標，就是建立年采集百萬小時的UMI數據產能。這意味著，鹿明需要用更具規模化的手段，采集更多數據。

“機器人訓練數據本不應該如此昂貴和稀缺。人類在物理世界作業過程中產生的數據無處不在，只是沒有被很好地收集。”喻超表示。

背包版FastUMI正是為解決這一問題而生——它是一款便攜的標準數采工作站，可將真實場景操作高效轉化為高質量訓練數據。

此前具身數據采集，大多依靠實驗室或單一場景采集，這就會導致一個問題：機器人在采集時往往只在一個場景下重復幾個動作，這樣得到的數據就會缺乏多樣性，也會影響模型的泛化能力。

因此，鹿明機器人希望采用更輕便的數據采集方式，將采集工具直接裝進背包，讓真實場景的數據采集門檻更低。

在具體場景上，鹿明機器人希望覆蓋工業、家庭、酒店、餐館、商場、辦公六大核心場景，細分30個小類任務，構建結構化、多維度的操作數據體系。

“采–訓–推”一體化閉環能力是鹿明數據基礎設施的核心。此次規模化數據采集的啟動，正依托于這一已全面打通的基建體系：依托FastUMI Pro，鹿明雙臂具身機器人MOS在5小時內完成從“數據采集-策略訓練-模型推理”的工廠質檢全流程驗證；FastUMI Pro在合肥實地部署后，僅用7小時便跑通真實場景下的采集、訓練與部署推理。

FastUMI Pro在分揀零部件任務中，完成“數據采集-策略訓練-模型推理”閉環

要訓模型，數據先行

有了背包式的采集工具以外，鹿明還做了一件事，他們建了一個“數據超市”，把采集到的數據變成了可以流通的標準產品，讓客戶可以直接在官網上采購標準化操作數據。可以看出，作為一家具身智能公司，鹿明當下的公司戰略重點，都圍繞“數據”。

鹿明機器人的一系列動作背后，實際上反映了具身智能當下“最痛”的業務需求。

在年初的媒體溝通會上，鹿明機器人聯席CTO丁琰就對《智能涌現》等媒體分享了他對于數據和模型的感悟。

“我就是做模型出身的，我之前一直在訓模型，當時我們在做的時候就發現一個很大的問題。“丁琰說到，”要想訓一個非常好的模型，必須要有一個很好的數據管線，包括數據生產、數據評估、數據篩選，建立的過程本身就需要時間。“

在摸清行業真實發展現狀后，丁琰和團隊當時就決定，模型和數據二選一的話，肯定先選數據，不能上來就訓模型。

”因為模型架構拼到最后，大家拼的不是模型架構，而是模型數據的質量，這是一個行業的共識。“丁琰說到。

具身智能的能力上限高度依賴真實操作數據的規模與質量，當通用數據可以像硬件一樣在線下單，行業模型訓練門檻被顯著拉低，具身智能才能從定制化探索走向工程化生產。

從“萬臺設備同步開采”到“通用數據電商下單”，鹿明正將“無處不在卻未被收集”的物理世界操作數據，變為可規模供給的標準化基礎設施，并以此構建數據驅動的生態系統。當數據不再稀缺，機器人才真正走向通用。

end