UMI数据解决方案

让UMI示教数据形成稳定、可复用的训练数据

UMI能够在真实环境中采集信息丰富的人类操作示教,但不同人员、任务和场景下的数据仍需要治理、标注和质量验证。

01

可以处理什么数据

  • UMI设备视角摄像头视频
  • 单手或双手示教数据
  • 夹爪位姿与运动轨迹
  • 夹爪开合状态
  • 根据设备配置产生的触觉信息
  • 任务标签、对象和环境元数据
02

UMI数据常见问题

任务过程缺少结构

连续示教缺少任务、子任务、动作和原子动作层级。

动作边界不一致

不同人员对动作开始和结束的理解存在差异。

视觉与操作语义脱节

视频缺少对象、动作、状态变化和目标的结构化表达。

失败与重试未标记

失败、停顿、重试和恢复如果没有区分,会影响样本质量。

03

标注与治理服务

  • 任务、子任务、动作与原子动作分解
  • 动作语义与对象关系标注
  • 夹爪状态、轨迹和结果标注
  • 成功、失败、中断、重试和恢复分类
  • 任务完整性、轨迹异常与批次一致性检查
04

适用训练任务

  • 机器人操作策略学习
  • VLA模型训练
  • 长序列任务理解
  • 人类示教到机器人策略迁移
  • 双手协同操作学习
  • 成功与失败行为建模

FAQ

常见问题

UMI数据与普通第一人称视频有什么不同?

UMI数据通常包含设备视角摄像头视频、夹爪位姿、运动轨迹和夹爪开合状态;根据设备配置,还可能包含触觉信息,因此需要联合理解设备视角、动作、夹爪状态与完整任务过程。

是否可以按照客户已有任务词表标注?

可以。我们会通过试标验证词表覆盖度、层级关系和边界规则。

失败和重试数据会被删除吗?

不会默认删除。我们会按训练目标标记、分类或单独输出,由客户决定使用方式。

是否支持双手任务?

支持。KeenTruth可以标注双手任务的动作阶段、对象关系和协同过程。

联系方式

让原始数据更快进入模型训练

如需了解具身数据治理、标注或质检方案,请通过飞书或邮件与乾衡数智联系。