HiFi-UMI

机器人操控策略学习长期受限于高保真数据的稀缺性。HiFi-UMI提出一种软硬件协同的高保真数据采集系统，通过头戴式SLAM、微秒级GPIO同步和超广角视觉，解决了传统UMI系统的漂移与同步问题。论文证明，仅使用此类数据进行后训练，即可在真实机器人上实现与遥操作相当的成功率，无需任何真实机器人数据作为锚点。实验涵盖多种VLA和WAM模型，展示了其在接触丰富任务中的有效性。需注意，该结论基于特定硬件配置，且未完全剥离数据量与保真度的影响。