HiFi-UMI: Learning Deployable Manipulation Policies from High-Fidelity UMI Data Alone

• 类型：arxiv
• 标识：2607.25895
• 链接：https://arxiv.org/abs/2607.25895
• 主分类：engineering
• 形态：application
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：It is asked whether raising the fidelity of robot-free UMI data, rather than shrinking the real-robot fraction, can remove that anchor at post-training, and open-source HiFi-UMI, a portable UMI data-production system co-designed for trajectory accuracy, inter-gripper relative pose, synchronization, and field of view.
• OpenAlex ID：W7171649728
• OpenAlex DOI：10.48550/arxiv.2607.25895
• DOI：10.48550/arxiv.2607.25895
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.25895
• OpenAlex更新：2026-08-25
• 待LLM分类：否
• 标题中文：HiFi-UMI：仅从高保真 UMI 数据中学习可部署的操控策略
• TLDR中文：本文提出问题：与其缩减真实机器人数据占比，不如提高无机器人 UMI 数据的保真度，从而在后训练阶段移除该 anchor；并开源 HiFi-UMI，一套面向轨迹精度、夹爪间相对位姿、同步与视场协同设计的便携式 UMI 数据生产系统。
• 来源文件：
• /inbox/tom/_candidates/2026-07-29-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]