对应论文

HiFi-UMI: Learning Deployable Manipulation Policies from High-Fidelity UMI Data Alone

视频简介

机器人操作策略依赖高质量示范,但真实机器人遥操作昂贵,廉价的无机器人UMI数据又通常只能用于预训练,部署前仍需真实机器人数据锚定。 HiFi-UMI协同设计硬件与软件,使用离线双目惯性SLAM、原生双手相对位姿、微秒级GPIO同步和每只手双广角相机,将无机器人采集精度提升到可直接部署水平。 系统达到约3毫米末端精度;只用HiFi-UMI后训练的策略在三种VLA/WAM骨干上可直接部署,和场内遥操作基线相差-2.5、+3.1和-0.6个百分点,最强插入任务成功率85%。4000小时预训练在10个未见任务上把动作误差降低41%,并开放2000小时数据。 它把无机器人数据从预训练辅助提升为可承担部署后训练的数据来源,形成可复用的数据生产范式。限制在机器人操作领域且工程系统较重,因此未达到paradigm。

外部视频链接

论文链接