鹿明机器人：以数据驱动具身智能新时代

作者丨苏建勋

在具身智能的浪潮中，“数据为王”已成为行业共识。

随着大语言模型如Chatgpt的崛起，“Scaling Law”成为了AI从业者的信仰。然而，在具身智能所触及的物理世界，互联网海量的数据参照并不适用。现实中的数据量，对于复现GPT时刻而言，显得捉襟见肘。

因此，如何高效、高质量地获取数据，成为了具身智能从业者亟需解决的问题。

近期，鹿明机器人公司在数据采集领域“玩起了新花样”。他们推出了全球首款背包版UMI数采设备FastUMI Pro（背包版），并计划在2026年投放1万台设备，覆盖工业、家庭、酒店、餐馆、商场、办公等六大真实场景，进行系统性数据采集。

FastUMI Pro采用UMI（通用操作接口）技术，由斯坦福大学、哥伦比亚大学与丰田研究所联合提出。与市场上的遥操数采不同，UMI可以与机器人本体解耦，使得训练出的数据更具通用性。

在一次媒体交流会上，鹿明机器人创始人兼CEO喻超分享了UMI与遥操的效率与成本对比：“同样是叠衣服这样简单的任务，遥操作数据采集需要50秒，成本3-5元，而使用FastUMI Pro只需10秒，成本低于0.6元。”

鹿明机器人成立于2024年9月，创始人喻超拥有近10年具身机器人研发经验，曾主导小米CyberDog的研发和千台量产。而联席CTO丁琰则是大陆最早做UMI的人，成功将UMI从实验室带入工业界。

有量，也要有质

2025年，鹿明通过自建数采中心，已实现10万小时的数据产能。喻超预测，到2026年，头部具身模型的数据规模将至少达到100万小时。

鹿明的目标是在2026年建立年采集百万小时的UMI数据产能。为了实现这一目标，他们正在采用更具规模化的手段进行数据采集。

“机器人训练数据本不应如此昂贵和稀缺。人类在物理世界作业过程中产生的数据无处不在，只是尚未被有效利用。”喻超表示。

背包版FastUMI正是为了解决这一问题而诞生的——它是一款便携的标准数采工作站，能够高效地将真实场景操作转化为高质量训练数据。

过去，具身数据采集多依赖于实验室或单一场景，这导致采集到的数据缺乏多样性，影响模型的泛化能力。鹿明机器人希望通过更轻便的数据采集方式，将采集工具直接集成到背包中，降低真实场景的数据采集门槛。

在具体应用场景上，鹿明机器人希望覆盖六大核心场景，细分30个小类任务，构建结构化、多维度的操作数据体系。

“采–训–推”一体化闭环能力是鹿明数据基础设施的核心。此次规模化数据采集的启动，正是依托于这一已全面打通的基建体系：依托FastUMI Pro，鹿明双臂具身机器人MOS在5小时内完成了从“数据采集-策略训练-模型推理”的工厂质检全流程验证；FastUMI Pro在合肥实地部署后，仅用7小时便完成了真实场景下的采集、训练与部署推理。

要训模型，数据先行

除了背包式采集工具外，鹿明还建立了一个“数据超市”，将采集到的数据转化为可流通的标准产品，让客户可以在官网上直接购买标准化操作数据。作为具身智能公司，鹿明的战略重点都围绕“数据”展开。

鹿明机器人的这一系列动作背后，实际上反映了具身智能当下最迫切的业务需求。

在一次媒体沟通会上，鹿明机器人联席CTO丁琰分享了对于数据和模型的看法：“我本身就是做模型出身的。在训练模型时，我们发现一个很大的问题：要想训练出优秀的模型，必须有一个完善的数据管线。”

“在了解行业真实发展现状后，我们决定如果要在模型和数据之间做选择的话，肯定先选数据。因为模型架构到最后比拼的是模型数据的质量。”丁琰强调。

具身智能的能力上限高度依赖于真实操作数据的规模与质量。当通用数据可以像硬件一样在线下单时，行业模型训练门槛将被显著降低。具身智能才能从定制化探索走向工程化生产。

“从万台设备同步开采到通用数据电商下单”，鹿明正在将“无处不在却未被收集”的物理世界操作数据转化为可规模供给的标准化基础设施。这将构建出一个数据驱动的生态系统。当数据不再稀缺时，机器人才能真正实现通用。”

end