同期救济双臂协同、双贤达手高目田度密致操作

——端到端VLA模子

过往主流VLA系统，要么聚焦双臂低目田度夹爪松手，要么专攻单臂高目田度贤达手操作，历久无法兼顾双臂协同与密致手指动作的双重需求。

比如活塞插入需双臂精确合作，拧瓶盖、密致取物则依赖多指纯真调控，这类任务历久衰退长入的VLA处置决策。

近日，首个原生面向双臂双高目田度（36目田度）贤达操作的开源VLA模子：Dexora，冲破此前VLA的方法壁垒，为通用贤达机器东谈主的落地提供了全新范式。

硬件与遥操作：虚实协同的贤达数据底座

高目田度贤达操作的中枢前提，是精确、可鸿沟化的数据蚁集。Dexora放弃单一遥操作决策，打造“外骨骼+VR”夹杂遥操作系统，同期驱动物理机器东谈主与MuJoCo数字孪生，从根源处置数据蚁集的精度与鸿沟贫瘠。

▲Dex硬件与夹杂遥操作系统暗意图©[深蓝具身智能]编译

可结束扭转、捏取等类东谈主密致操作，整套系统统计36目田度，为复杂双手协同任务提供硬件基础。

定制外骨骼背包捕捉机械臂合座通顺（无漂移、低延伸），AppleVisionPro结束无符号手指跟踪，兼顾手臂大范围挪动的强健性与手指密致动作的纯真性。

▲仿真/真确数据集物体与任务漫步暗意图©[深蓝具身智能]编译

更舛错的是虚实同步诡计：

遥操作请示同期下发物理机器东谈主与数字孪生，两者传感器数据（4路RGB、36目田度要津景象）20Hz同步纪录。

既保险真确场景数据的真确性，又能在仿真中低资本彭胀任务场景，造成“真确+仿真”互补的数据集。

最终构建的数据集包含10万条仿真轨迹（650万帧）、1万条真确遥操作轨迹（292万帧），心事30类仿真物体、17类真确物体，兼顾基础抓取与密致贤达任务。

模子架构：扩散Transformer+质地判别器双中枢

Dexora基于数据质地感知的端到端VLA架构，通过扩散Transformer生成动作，搭配离线质地判别器过滤噪声数据，处置遥操作数据质地絮聒不都、高维动作检修不强健的行业痛点。

▲Dexora合座总览图（动机/数据/架构/性能/泛化）©[深蓝具身智能]编译

扩散Transformer战略网罗

接受解码器-only扩散Transformer当作战略中枢，输入多视角RGB图像、话语请示与现时要津景象，输出36目田度辘集动作序列。

模子接受T5编码话语请示、SigLip编码图像特征，轮流注入Transformer块，通以前噪权衡生成动作，兼顾多模态会通材干涉高维动作建模精度。

数据质地判别器

遥操作数据常因操作罪恶、传感器噪声存在低质地轨迹，平直检修会拉低模子性能。

Dexora诡计离线判别器，通过“通顺平滑度+任务得胜率”双重圭臬筛选数据：

判别器以冻结的预检修战略为基准，权衡轨迹质地得分（0-1），检修时将得分升沉为权重，高质地轨迹权重高、低质地轨迹权重低，米兰体育app2026世界杯(中国)官方下载公式简化为：

其中为质地权重，为权衡噪声，为真确噪声。这种诡计让模子聚焦灵验数据，大幅耕作高维贤达动作的检修强健性。

检修经由：三阶段渐进式优化

Dexora接受“仿真预检修+判别器检修+真确微调”三阶段检修，均衡基础材干涉贤达妙技，结束从仿真到真确的平滑转移。

▲Dex数据过滤、判别器检修、质地感知检修框架图©[深蓝具身智能]编译

第一阶段，开云体育(kaiyun)官方网站10万仿真轨迹预检修，让模子掌合手抓取、拼装等基础操作，造成开动动作生成材干；

第二阶段，用筛选后的高质地真确数据检修判别器，使其精确识别轨迹优劣；

第三阶段，用一起真确数据微调战略，通过质地权重换取，让模子从基础材干进阶到拧瓶盖、密致取物等贤达妙技。

性能与泛化

实验终端剖释，Dexora在基础任务、贤达任务、跨方法泛化三大维度均结束突破，考据了双臂双高目田度诡计与质地感知检修的灵验性。

▲基础任务示例图©[深蓝具身智能]编译

▲基础任务得胜率对比表©[深蓝具身智能]编译

平均得胜率达89.6%，12项任务中7项得胜率超90%，双臂协同任务（如双手递物、嵌套碗分别）上风显赫，远超GR00TN1（82.1%）、π0（50.4%）等基线。

▲贤达任务示例图©[深蓝具身智能]编译

▲贤达任务得胜率对比表©[深蓝具身智能]编译

平均得胜率66.7%，较最优基线GR00TN1（51.7%）耕作15个百分点，尤其在拧瓶盖、密致面团操作等需要双手合作+多指调控的任务中，基线险些失效，Dexora仍能强健完成。

▲漫步外泛化性能图©[深蓝具身智能]编译

一是漫步外泛化，在未知配景、光照、物体、掩饰等场景下，得胜率仅小幅着落，鲁棒性强；

二是跨方法转移，36目田度模子可平直适配单臂夹爪、双臂夹爪、单臂低目田度手，无需从头检修，仅需适配动作维度，冲破VLA的方法依赖。

▲基础任务得胜率对比表©[深蓝具身智能]编译

消融实考据，质地判别器可镌汰动作抖动，耕作任务强健性，评释“真确数据+质地感知”是贤达VLA的中枢身分。

▲质地判别器后果对比轨迹图©[深蓝具身智能]编译

贤达VLA：价值与局限并存

Dexora是首个原生双臂双高目田度VLA，评释高目田度模子可向下兼容低目田度开拓，为通用机器东谈主提供“高维检修、低维部署”新想路。

虚实协同蚁集+质地感知检修，处置贤达数据稀缺、噪声大的贫瘠，为高维VLA数据建树提供参考。

▲Dexora与主流VLA的方法心事对比图©[深蓝具身智能]编译

同期，存在的局限在于：

硬件依赖：36目田度系统资本高，难以快速普及，且无触觉反映，拧瓶盖等战争敏锐任务得胜率仍低。

任务局限：复杂永劫序任务（如多法式安装）、动态环境相宜材干不及。

泛化范畴：跨材质、极点场景的强健性有待耕作。

过往VLA要么“能双手不密致”，要么“能密致不双手”。

Dexora初次将两者长入，用开源模式镌汰门槛，为管事机器东谈主、工业贤达操作等场景提供可行决策。

畴昔，若能会通触觉反映、强化永劫序推理，Dexora有望进一步放松与东谈主类操作的差距，鼓动通用贤达机器东谈主从实验室走向实验愚弄。

Ref

论文标题：Dexora:Open-sourceVLAforHigh-DoFBimanualDexterity

论文作家：ZongzhengZhang，JingruiPang，ZhuoYang，KunLi，MinwenLiao，SainingZhang，GuoxuanChi，JinbangGuo，Huan-angGao，ModiShi，DongyunGe，YaoMu开云体育(kaiyun)官方网站，JiayuanGu，RuiChen，HaoDong，HuazheXu，LiYi，YixinZhu，HangZhao，PengweiWang，ShanghangZhang，GuocaiYao，JianyuChen，HongyangLi，HaoZhao