无本体数据采集技术演进：从UMI、可穿戴采集到规模化交付

2026年09月17日 16:02:54

具身智能数据采集正在从少量实验室演示，走向真实环境中的持续生产。其中，无本体采集受到关注，是因为它不要求每次记录操作都部署一台目标机器人。采集者可以借助手持工具或可穿戴设备完成任务，再将视觉、运动与交互信息转化为机器人学习数据。但从“能记录动作”到“能规模化交付”，仍然需要跨越标准化、重建、质量控制和动作迁移等环节。

一、无本体并非没有硬件

“无本体”通常指采集阶段不与某一款机器人本体固定绑定，而不是不需要设备。其中，UMI类方案通常通过手持夹爪和视觉记录操作，尽量保留与机器人末端相关的信息；可穿戴方案则可以使用头部、腕部等视角记录人类自然行为。

两者不能简单合并成“UMI穿戴”，也不是必然的前后替代关系。它们分别在自然性、动作表达和末端适配方面作出不同取舍。

裸手操作适合记录丰富的人类技能，但人体与机器人的结构差异较大；手持夹爪更接近部分机器人末端，却难以覆盖所有灵巧手动作。实际方案通常需要根据任务组合使用。

二、从视频走向结构化动作

早期第一视角视频主要用于识别操作流程、理解场景和关联语言指令。随着机器人训练需求增加，仅有画面已不足以支撑精确动作学习。

新一代采集方案开始增加腕部视角、深度、IMU、夹爪开合和触觉等信息，使数据能够描述“在哪里移动”“何时接触”“如何完成任务”。不过，更多传感器也意味着更高的处理复杂度。时间同步、设备标定、遮挡恢复和坐标统一成为基础能力，采集平台必须能够将多路原始信号整理成连续任务序列。

三、觅蜂科技的三类数据形态

觅蜂科技拥有Ego裸手、Ego＋Wrist腕戴和Ego＋UMI夹爪三类数据体系，规模分别约为50万、35万和15万小时。目前，其第20,000套MEgo设备下线，累计形成超过100万小时无本体数据，覆盖22大类场景和500余种细分任务。

主题：