FastUMI-100K：借助大规模 UMI 风格数据集推进数据驱动的机器人操作
机器人学
2025-10-10 v1 人工智能
摘要
数据驱动的机器人操作学习依赖于大规模、高质量的专家演示数据集。然而，现有数据集主要依赖人工遥操作机器人采集，在可扩展性、轨迹平滑性以及在不同机器人本体上的现实世界环境适用性方面存在局限。本文我们提出了 FastUMI-100K，一个大规模的 UMI 风格多模态演示数据集，旨在克服这些限制并满足现实世界操作任务日益增长的复杂性。FastUMI-100K 由 FastUMI 采集，该系统采用模块化、硬件解耦的机械设计和集成的轻量级跟踪系统，提供了更可扩展、灵活且适应性强的解决方案以满足现实世界机器人演示数据的多样化需求。具体而言，FastUMI-100K 包含超过 10 万条演示轨迹，跨越代表性家庭环境，覆盖 54 个任务和数百种物体类型。我们的数据集整合了多模态流，包括末端执行器状态、多视角腕部安装鱼眼图像和文本标注。每条轨迹长度从 120 到 500 帧不等。实验结果表明，FastUMI-100K 在各种基线算法上实现了高策略成功率，确认了其在解决复杂动态操作挑战方面的鲁棒性、适应性和现实世界适用性。源代码和数据集将在 https://github.com/MrKeee/FastUMI-100K 发布。
引用
@article{arxiv.2510.08022,
title = {FastUMI-100K: Advancing Data-driven Robotic Manipulation with a Large-scale UMI-style Dataset},
author = {Kehui Liu and Zhongjie Jia and Yang Li and Zhaxizhuoma and Pengan Chen and Song Liu and Xin Liu and Pingrui Zhang and Haoming Song and Xinyi Ye and Nieqing Cao and Zhigang Wang and Jia Zeng and Dong Wang and Yan Ding and Bin Zhao and Xuelong Li},
journal= {arXiv preprint arXiv:2510.08022},
year = {2025}
}