最难的机器人Demo，“机器人含量”为0量子位

今年5月，英伟达机器人负责人Jim Fan在一场公开演讲中宣告：VLA、遥操已死。

当时，绝大多数人听到的第一反应都是：从来不缺暴论的AI圈，又多了一条新暴论。

但没想到，几个月后，这句当时听起来有点夸张的话，居然真的开始照进现实。

刚刚，自变量发布全新灵巧操作系统TwinDex。在后训练阶段真机遥操数据为0的情况下，机器人连续完成了化学实验场景中，旋拧瓶盖、注射器推注等多项精细操作。

要知道，以往想让机器人学会这类精细操作，还真少不了真机遥操数据来“手把手”教学。

但TwinDex这次，直接把这部分数据需求给砍没了，取而代之的是区区几百条无本体数据，机器人含量几乎为0～

这是怎么做到的？

遥操，可能真的危险了

俗话说，好的Demo，值得细细品鉴。

TwinDEX这次放出的Demo里，最完整的一段，是一套一镜到底的化学实验：

从开瓶取样、滴管与试管操作，到玻璃棒引流、摇匀观察，全程由策略自主执行。

整个实验包含24个子动作，跨越三种工具，涉及多次双手协调与工具切换，每一步都要求毫米级定位与稳定力控。

而拆开来看，TwinDEX这三根手指，实际上集中展示了几类过去灵巧操作里最难啃的能力。

首先，是对精度要求极高的精细操作。

在打开工具箱时，机器人需要让左右两根食指同时对准两个狭窄卡扣，准确插入后向下拨开，再用食指和拇指捏住提手，把箱盖打开。

这里的难度在于，机器人的手能不能准确进入一个容差很小的空间，从而完成操作。

同理，注射器推注也是类似。

食指和中指固定筒身，拇指对准推杆向前发力，既要保证位置不跑，又要精确控制推注方向和力度。

随着具身智能逐步走进实验室、工厂和家庭，这类小容差、高精度、强接触的操作，也会越来越接近机器人的基本功。

第二，是三指协作。

比如在扫帚和簸箕任务中，三根手指围绕手柄形成包络，让不同手指共同承担支撑和控制。

相比只有两根手指，第三根手指多提供了一个接触点，也多了一种稳定物体的方式。

尤其是在工具使用、长条物体抓持这类任务里，这个额外的支撑点相当关键。

第三类，则是更接近人手的柔性操作和掌内调整。

在拧开瓶盖时，TwinDEX用食指和拇指捏住瓶盖，再靠手指自身的侧摆完成旋转，几乎不用大幅转动手腕。

而在翻书中，机器人的拇指则先把最上层书本搓出来，再完成捏取、双手交接、放置和翻页。

我个人看完这一圈，一个很直观的感受就是：

以往在处理这类动作时，大家往往会下意识想到结构更复杂的五指灵巧手，以及庞大的真机遥操作数据。

但上面的Demo恰恰说明了一件事：很多过去被认为需要五指完成的精细操作，三根手指其实已经够用了。

而且某种程度上，这三根手指头，已经比不少五指灵巧手玩得还溜。

不过，前面这些其实只是TwinDEX站在台前、作为机器人执行器的一面。

而在机器人真正上手干活之前，它还有另一重身份，一套与执行端匹配的可穿戴无本体数据采集系统。

相比很多在数据采集和机器人执行阶段使用两套不同硬件的方案，TwinDEX直接采用了数采与执行同构的设计。

说人话就是，这三根手指不光负责干活，采数据也用的是同一套结构，也就是所谓的“所采即所得”。

采集员在采集端做出的动作，可以更直接地映射到机器人执行端，中间不用再跨一套完全不同的硬件去做复杂的数据迁移。

也正因为如此，前面那些对指尖位置和力度都要求极高的精细操作，才能更稳定地被机器人做出来。

与此同时，相比直接遥操一台笨重的机器人，采集员可以更自然、更快速地完成动作，数据也更好采，也更省钱。

实验结果也确实验证了这两点。

在采集效率方面。TwinDEX单位时间能够产出的有效轨迹，约为传统真机遥操的5.3倍。

同样一个采集员、同样一段时间，TwinDEX能够更快地攒出一批真正可用于训练的数据。

而在数据利用效率方面，自变量则发现：

随着数据量增加，无本体数据和真机遥操作数据训练出的策略，会以相同的速率持续提升，并最终收敛到接近的表现。

换句话说，在这组实验中，训练模型时，无本体数据近乎可以100%替代真机遥操作数据。

所以，作为数据采集器，TwinDEX解决的并不只是“怎么把数据采得更快”。

更关键的是，它在提高采集效率的同时，也尽可能减少了这些数据真正迁移到机器人身上时的精度损失。

而这两件事，最后都指向了同一个问题：

怎么让无本体数据真正变成机器人能用的数据。

TwinDEX：让具身数据提前对齐

严格来说，TwinDEX其实并不只是一套三指灵巧手。

它更像是一套由数据采集硬件、机器人末端执行器、数据处理管线和模型训练流程共同组成的灵巧操作系统。

而且，并不是简单让数据采集端和机器人执行端长得一样，就能自然完成数据迁移。

TwinDEX真正关键的地方，是从只依赖无本体数据完成后训练、去掉真机遥操作数据这个目标出发，再反过来设计整套系统。

从灵巧手的构型、采集设备的运动方式，到视觉观测、时间同步、数据处理，再到最终的模型训练，实际上都在围绕同一个问题展开：

怎样让采集出来的数据，从一开始就尽可能接近机器人真正需要的数据。

理解了这一点，我们接下来看TwinDEX最直观的硬件部分。

从实际Demo里的功能分工来看，拇指和食指承担了大量对掌、捏取、旋拧和精细操作，第三根手指则能够进一步提供包络、支撑和稳定。

整套TwinDEX的设计，可以概括成三个特性：灵巧性、一致性和可扩展性。