鹿明机器人CTO丁琰在媒体沟通会上讨论了具身智能数据采集的现状与挑战，强调数据质量对模型训练的重要性。他指出，许多团队未能成功训练模型是由于数据生成阶段的问题，而非训练过程。丁琰还介绍了UMI（通用操作接口）的概念及其在数据采集中的应用，强调高质量数据的必要性，并提出行业面临的成本和效率问题。

本文介绍了UMI刷盘机器人通过手持夹爪进行数据收集的创新方法，详细解析了数据处理和SLAM管道的步骤，包括数据下载、视频处理、IMU数据提取和地图生成，旨在支持机器人动作恢复。

本文介绍了扩散策略在机器人视觉运动中的应用，强调其在多模态动作分布、高维输出空间和稳定训练方面的优势。扩散策略通过条件去噪生成机器人行为，结合闭环动作序列和视觉条件化，提升了动作一致性和实时推理能力。同时，文章探讨了Diff-Control的背景及其通过ControlNet整合状态信息以增强动作生成一致性的技术架构。

在七月的线下营中，学员们复现了UMI，丁老师分享了fastumi的改进。UMI面临硬件成本高和SLAM算法复杂的局限。清华高阳团队尝试复现UMI，但效果不佳。研究表明，增加训练对象和环境数量能显著提升机器人泛化能力，尤其在低示范比例下表现突出。

本文分析了UMI系统的缺点，并介绍了Fast-UMI的改进。UMI依赖特定硬件和复杂的SLAM技术，限制了灵活性和数据收集效率。Fast-UMI通过使用RealSense T265相机简化数据处理，消除了复杂校准需求，保持了设备与机器人系统的一致性，支持多种夹爪型号，提高了数据收集的便捷性和模型应用的广泛性。

本文解读了Columbia University、Toyota Research Institute、MIT联合发布的《Diffusion Policy:Visuomotor Policy Learning via Action Diffusion》论文，介绍了扩散策略的原理和优势。扩散策略通过学习梯度场将噪声细化为动作，准确建模多模态动作分布，容纳高维动作序列。文章还介绍了基于CNN和Transformer的扩散策略实现方法，并讨论了扩散策略在动作序列预测和训练稳定性方面的好处。

斯坦福大学研究团队开发了一款名为Mobile ALOHA的家务机器人，具有移动性、稳定性和全身遥控操作等特点。该机器人使用低成本全身远程操作系统进行数据收集，并通过有监督的行为克隆进行训练，成功率可达90%。研究者还开源了该机器人的软件和硬件部件。

我从大二开始就开始写博客了，当时只是觉得好玩，有兴趣，于是搜索了一番，决定用简单上手的hexo来做博客，顺便买了一个阿里云的学生服务器来放网站，那时候啥也不懂，没接触过Node，不会Js，前端也是一窍不通，linux倒是懂一些，可是网络技术一知半解。但随着我折腾来折腾去，逐渐摸索到了一些门道，也找到了一些乐趣，nginx各种配置啦，cdn加速、sll证书啦，自己搭建图床啦。 而迄今为止，我正...

Umi-OCR 是一款适用于 Win10 x64 平台的免费、离线 OCR 文字识别工具，基于 PaddleOCR，支持批量导入、读取剪贴板，可排除图片中水印区域，提取干净的文本。@Appinn 感谢

距离第一篇聊前端微服务的文章已经时隔大半年,很多人对此感兴趣. 今天我们就聊一聊,我们如何基于umi来打造一个更完善的前端微服务的子模块. 如果你用的是react以外的前端技术栈, 我的很多处理做法也可以应用在其他技术栈上. 希望对你也有所帮助. 优秀的umi框架 在前端中后台项目上,前端微服务化的需求相对是比较旺盛一些的. 说到中后台,很多企业都是基于antd的组件来构建自己的项目. 自去...