HiFi-UMI：仅从高保真UMI数据学习可部署操作策略

学习可部署的操作策略受限于既高保真又可扩展的数据稀缺。真实机器人遥操作精确但扩展成本高昂；无机器人UMI采集易于扩展，当前实践主要将所得数据用于预训练，并在后训练阶段添加少量真实机器人"锚点"。我们探究：提升无机器人UMI数据的保真度，而非缩减真实机器人数据比例，能否消除这一锚点。为此提出HiFi-UMI，这是一套便携式UMI数据生产系统，协同设计轨迹精度、夹爪间相对位姿、同步性与视场角：头戴式离线立体惯性SLAM、原生而非重建的相对位姿、共享微秒级GPIO触发信号、每只手配备覆盖约200度的两个广角相机。该系统无需外部追踪基础设施即可达到3毫米工作空间末端执行器精度。利用该数据集，我们展示了零机器人后训练：仅基于HiFi-UMI演示数据后训练的策略可直接部署于真实机器人，并在涵盖视觉-语言-动作与世界-动作-模型两大族系的三个骨干网络上，与领域内遥操作性能持平——在StarVLA-QwenPI、OpenPI-pi_0.5和LingBot-VA上的成功率差异分别为-2.5、+3.1和-0.6个百分点；最强策略在精密插入任务上达到85%成功率，尽管遥操作基线在评估场景中采集且无任何HiFi-UMI轨迹。基于同一数据集进行4000小时预训练，使十个未见任务的动作误差降低41%，并在StarVLA-QwenPI上将真实机器人成功率进一步提升18.1个百分点。我们开源HiFi-UMI-2K——2000小时微秒同步、超宽视场角演示数据，每条数据均通过仿真回放自动重建与验证，为机器人学习社区提供大规模高保真资源。