龙岗融媒记者 李虹莹

3月25日，龙岗区举办“坂田智造融服务 聚链强链筑生态——2026 年制造业与服务业协同发展场景对接”活动。坂田企业灵心巧手发布业内首个以“同构末端+多模态对齐+原生触觉”为核心的UMI Dex开源灵巧操作数据采集方案，有望从源头解决灵巧手训练数据难题，推动具身智能发展。

活动现场，灵心巧手机器人乐队同步登台。这支由灵巧手组成的乐队用演奏直观展示了灵心巧手LinkerHand全系列产品的高精度操控能力，也成为发布会的一个亮点展示。

数据之困：灵巧手落地瓶颈

具身智能发展至今，灵巧手的算法框架不断涌现，但真正制约技术落地的核心瓶颈在于高质量、可训练数据的极度稀缺。

传统的数据采集方式各有局限。有的依赖主从臂遥操，设备庞大、成本高昂、部署复杂；有的借助动作捕捉手套，但映射误差较大、缺乏触觉反馈，数据还需经过多次转换和修复才能使用。在这个过程中，数据质量逐级衰减，最终可用于训练的样本所剩无几。

“行业需要的不是又一个采集系统，而是一套从源头就能直接产出可训练数据的标准方案。”龙岗区人工智能（机器人）署兼职首席技术官苏洋在发布现场这样解释UMI Dex的研发初衷。

同构妙思：采集器仿灵巧手

UMI Dex的核心思路与以往截然不同。传统路径是“人手演示-动捕采集-重定向映射-视觉修复-训练数据”，每一步都可能引入误差。而UMI Dex的设计是让采集器本身成为灵巧手的“同构体”——它的结构和传动关系与灵心巧手自研的LinkerHand L6灵巧手几乎一致。这意味着，采集到的关节角度、运动轨迹等数据，天然就是目标灵巧手可直接使用的格式，无需任何转换和对齐。

据苏洋介绍，这一设计彻底省去了传统方案中复杂的数据重定向环节。由于采集器与灵巧手在结构和视觉特征上高度一致，原本依赖图像分割和修复的数据处理流程也可以完全抛弃，从根源上避免了视觉差异导致的数据质量下降。

在触觉方面，UMI Dex同样实现了“原生复制”。指尖阵列触觉传感器与灵巧手共用同一套解析链路，采集到的触觉数据无需额外标定或转换，可直接用于策略训练，保留了真实的力觉信息。

此外，方案集成了深度相机和惯性测量单元，通过视觉惯性里程计获取手腕在空间中的六自由度运动轨迹。轨迹、关节、触觉、视频四路数据在统一时间戳下严格对齐，平均误差控制在10毫秒级别，确保了训练时的时序一致性。

应用前景：数据采集标准化

对算法团队而言，UMI Dex意味着数据无需转换即可直接进入训练管线；对高校科研机构，这是一套低门槛、开箱即用的实验平台；对数据服务商和公共平台，标准化、可复制的设计使规模化数据采集成为可能。

“希望通过开源，让灵巧操作数据采集从一项‘高门槛的系统工程’转变为‘可复用、可扩展、可训练’的标准方案，推动具身智能数据生态向前一步。”苏洋告诉记者。