HiFi-UMI：單靠高保真 UMI 資料學習可部署操作策略
為何重要
此研究標誌著機器人領域向「虛擬資料即現實」邁進的重要一步，證明瞭提高模擬資料解析度可替代昂貴的實體機示範。這將顯著降低高階機器人應用的採用門檻，使業者能跳過繁瑣的現場真機除錯，藉由開源資料資源快速擴張軟體服務版圖。該成果為強調 synthethic data scaling 的機器人研發路線提供了具體的效能基準。
現有實體機遙運算元據受昂貴成本限制，而機器人免機場景 UMI 資料通常須搭配少量真實機做為後訓練的「錨點」。研究提出 HiFi-UMI 系統，透過提升免機場景資料的精度與同步性，試圖實現純資料驅動的零真實機部署。專案除了技術驗證，更開源了工業級的高保真示範大數據集。