在具身智能领域，高质量数据采集长期受困于成本、精度与泛化能力的“不可能三角”。传统遥操作方案效率低下、成本高昂且数据质量不稳定，成为行业发展的瓶颈。
2024年3月，丁琰博士在国内率先押注UMI（通用机械接口）技术路线，并将其从实验室原型打磨成工业级产品FastUMI Pro。这款产品将数据采集成本降至传统方案的1/5，重量控制在600克以内，却能承载2公斤负载，定位精度达到工业级标准。
丁琰将UMI视为一套完整的方法论体系，而非简单的采集工具。他认为，数据会反向决定模型架构、算法设计甚至硬件形态。FastUMI的核心优势在于直接从物理世界采集通用型数据，完全不依赖特定机器人本体，采集的轨迹数据可无缝迁移至不同机器人平台。
相较于需要复杂后处理、对操作技能要求高的早期UMI方案，FastUMI Pro采用实时前处理模式，能在采集现场即时校验数据质量。丁琰强调，这不仅出于技术考量，更是管理上的必然选择——后处理模式难以保证采集员的操作规范性，容易造成数据批量报废。
目前，FastUMI Pro已成为行业验证UMI能力的“标配装备”，国内约三分之二的具身智能团队都在咨询、测试或使用该产品。在鹿明机器人的产品生态中，FastUMI团队将强化公司在操控能力维度的优势。
展望未来，丁琰指出，具身智能数据的多模态复杂度远超自动驾驶，如何获取、理解和使用这些数据仍是行业认知的空白区。鹿明将持续围绕数据体系与自研模型架构展开深度研发，释放不同模态数据的价值。
