机器人要进入更多真实场景，不仅需要具备感知和理解能力，还需要拥有精细、稳定的操作能力。对于具身智能而言，灵巧操作一直是较难突破的环节，而高质量训练数据的获取，则是其中的重要制约因素。此前，真机遥操作是获取此类数据的重要方式，但受机器人数量、场地和设备使用时间等因素限制，数据采集成本较高，也难以快速扩大规模。

  9月2日，自变量机器人发布TwinDEX，首次实现纯无本体数据、零真机遥操作数据驱动的灵巧操作。TwinDEX由一套可穿戴数据采集系统和一套与之匹配的机器人灵巧手组成，前者用于采集人的操作动作，后者负责在机器人上执行。通过提高采集端与执行端的一致性，基础模型仅使用数百条无本体数据进行训练，即可直接控制机器人完成复杂操作任务。

  在此次展示中，TwinDEX完成了一套完整的化学实验。机器人自主完成开瓶取样、药勺取样、滴管操作、玻璃棒引流、摇匀观察等24个连续动作，涉及三种工具以及多次双手协同和工具切换。从旋拧试剂瓶，到使用滴管完成吸液、挤压和滴液，再到利用玻璃棒进行引流，整个过程涉及精细抓取、工具使用、双手协同和接触力控制等多种能力。

  值得关注的是，这套策略完全由无本体数据训练而成，仅使用数百条数据，训练过程中没有引入任何真机遥操作数据，训练完成后即可直接部署到机器人上完成实验。这表明，无本体数据除了作为传统真机数据的补充，也开始具备独立支撑灵巧操作策略训练的能力。

  无本体数据此前难以直接应用于机器人训练，一个重要原因在于采集端和执行端之间存在差异。人的手与机器人的手在关节结构、运动范围和接触方式等方面并不相同，同一个动作从人手迁移到机器人上，可能产生精度损失。TwinDEX则从机器人最终执行效果出发，对数据采集系统进行反向设计，使采集端和执行端在自由度、关节轴、连杆比例，以及接触材料、几何特性等方面保持一致，并结合模型和训练策略降低残余差异对任务效果的影响。

  在硬件设计上，TwinDEX采用三指九自由度灵巧手，在灵巧性、可靠性和成本之间进行平衡。相关测试显示，拇指、食指和中指协同配合，可以完成大量生活和工业场景中的核心操作，为灵巧操作提供了一种更适合规模化的数据采集方案。

  除了训练效果，TwinDEX还提升了数据采集效率。传统真机遥操作需要占用机器人和固定场地，数据规模容易受到设备数量和使用时间限制。TwinDEX采用可穿戴三指外骨骼作为采集端，一名操作员、一张桌子、一套设备即可组成一个数据采集单元，并可通过增加设备和操作员实现并行采集。在相关任务中，其每小时数据采集效率达到真机遥操作的5.3倍。

  评测进一步显示，在多任务基准上，无本体数据训练出的策略性能随数据量增长的趋势与真机遥操作数据基本一致，训练效果近乎可以100%替代真机遥操作数据。

  对于具身智能而言，数据规模是影响模型能力持续提升的重要因素。TwinDEX探索的，是一种不同于传统真机遥操作的数据获取方式：通过可穿戴、分布式的采集方式降低数据生产成本，并让无本体数据直接转化为机器人的操作能力。随着数据采集规模进一步扩大，这一方式有望为具身智能模型训练和机器人应用提供新的数据来源。