无遥操数据也能精细操作？TwinDEX如何重构机器人训练范式

近年来，具身智能的发展始终面临一个核心瓶颈：如何高效获取高质量的机器人操作数据。传统路径高度依赖真机遥操作（teleoperation），即人类操作员远程控制真实机器人完成任务，从而收集视觉、位姿、力反馈等对齐数据。然而，这种方式成本高昂、效率低下，且严重受限于机器人数量与部署环境。2026年，自变量公司推出的TwinDEX系统，以“后训练阶段真机遥操数据为0”的惊人表现，向这一范式发起了挑战。

TwinDEX最引人注目的成果，是在化学实验场景中完成了一镜到底的24步连续操作。从打开工具箱卡扣、旋拧试剂瓶盖、使用滴管吸取液体，到玻璃棒引流、试管摇匀、翻阅实验记录本，整个过程无需人工干预，全部由策略自主执行。这些动作普遍要求毫米级定位精度与稳定的力控能力，尤其在狭窄空间内的插入、旋转和推注操作，对机器人的灵巧性提出了极高要求。而令人意外的是，支撑这一切的，竟是一套仅含三根手指的灵巧手，且训练所用数据完全来自非机器人本体。

过去，类似任务通常需要五指灵巧手配合大量真机遥操示范。五指结构虽接近人手，但随之而来的是复杂的驱动系统、繁重的标定流程以及高昂的维护成本。TwinDEX则反其道而行之，在灵巧性、稳定性与工程可行性之间寻找平衡点。经过对抓取、旋拧、工具使用等元操作的系统测试，团队最终确定三指九自由度为当前最优构型。拇指与食指负责对掌捏取与精细操控，第三指则提供额外的包络支撑，有效提升长条物体或工具握持的稳定性。实验证明，这种简化结构已足以覆盖大多数实验室与家庭场景中的核心操作需求。

真正让TwinDEX脱颖而出的，并非其执行器本身，而是一套贯穿数据采集、处理到模型训练的完整操作系统。其核心理念是“所采即所得”——数据采集端与机器人执行端采用完全同构的硬件设计。采集员佩戴的是一套可穿戴三指外骨骼，其关节运动范围、接触方式、甚至视觉观测视角，都与最终部署的机器人灵巧手高度一致。这意味着，人类在自然状态下完成的动作，无需经过复杂的运动学映射或重定向，即可直接转化为机器人可执行的指令序列。

这种“前置对齐”策略极大降低了数据迁移过程中的信息损耗。传统无本体数据（如普通手套或视频）虽易于规模化采集，但因采集端与目标机器人存在显著结构差异，往往需额外补充真机数据进行微调。而TwinDEX从源头上规避了这一问题。实验数据显示，在相同任务下，仅用几百条TwinDEX采集的无本体数据训练出的策略，其性能可与依赖真机遥操数据训练的模型相媲美，且随着数据量增加，两者收敛趋势一致。这表明，在特定任务域内，无本体数据已具备近乎100%替代真机数据的潜力。

效率提升同样显著。由于采集过程摆脱了对真实机器人的依赖，操作员可随时随地进行数据录制，无需等待机器人空闲或适应遥操延迟。系统同步记录视觉图像、关节角度、手腕位姿等多模态信息，并通过统一的时间同步与标定流程，将不同操作员、不同地点的数据整合至同一训练空间。实测表明，TwinDEX单位时间产出的有效轨迹数量是传统真机遥操的5.3倍，大幅加速了数据积累进程。

当然，规模化采集也带来新挑战。不同设备间的微小制造公差、操作员习惯差异，可能导致数据中出现抖动或漂移。为此，TwinDEX在模型架构层面引入了鲁棒性设计，使其能够容忍一定范围内的输入噪声，并将分散的数据泛化为稳定可靠的闭环控制策略。这种“硬件-算法”协同优化的思路，正是其系统级创新的关键所在。

TwinDEX的出现，标志着具身智能数据范式正在发生深刻转变。过去，真机遥操数据被视为“黄金标准”，稳居数据金字塔顶端；如今，高质量数据的生产权正从昂贵的机器人本体，向更灵活、更经济的无本体采集系统转移。这不仅呼应了英伟达Jim Fan“遥操已死”的论断，更揭示了一个新方向：未来的机器人学习，或将建立在一条属于无本体数据的Scaling Law之上——通过持续扩大高质量无本体数据的规模，逐步逼近甚至超越依赖真机数据的性能上限。

尽管目前TwinDEX的应用仍聚焦于特定任务集，尚不能宣称彻底终结遥操时代，但它无疑证明了一个关键前提：高质量机器人数据与真实机器人之间的强绑定关系正在松动。当数据采集不再受制于机器人数量，当训练成本大幅降低，具身智能的普及之路或将因此拓宽。TwinDEX所展示的，不仅是一项技术突破，更是一种系统思维的胜利——从目标出发反向设计整个数据生产链路，让每一个环节都服务于最终的执行效果。这种“端到端对齐”的理念，或许将成为下一代机器人操作系统的核心范式。