6 月 11 日,中國具身智慧公司 X Square Robot(自變量機器人)開源了 XRZero-G0——一套軟硬體工具,讓一個戴 VR 頭顯的人,光靠用自己的雙手幹活,就能生成機器人訓練資料。公司稱在實驗條件下,這套系統能把真機訓練資料需求降低最多 20 倍。而且這次發布是帶著全套憑據來的:2000 小時多模態資料集、研究論文、GitHub 上的硬體設計和程式碼、Hugging Face 上的資料集。免費,對所有人,即刻生效。
機器人上學,貴在哪
你家水電師傅還有活幹、客服崗位卻沒了,歸根結底是個資料問題。文字以 EB 為單位躺在網路上隨便爬;熟練的手做體力活的示範資料,沒有。教機器人操作物體,過去要嘛遙控操作一台真機器人——慢、貴、一個機時換一個機時——要嘛僱一屋子人整天幫硬體當提線木偶。資料稀缺,一直是體力勞動者的護城河。
XRZero-G0 是對這條護城河的正面強攻。整套設備由一台 PICO 4 VR 頭顯(頭戴相機拍全局、由內向外空間定位)加兩隻手持物理夾爪組成——一隻按壓驅動、一隻手指驅動——夾爪上帶腕部相機和毫米級六自由度位姿追蹤。人穿戴上之後,正常幹活就行:摺衣、分揀、抓取、擺放。現場不需要機器人。系統記錄雙手看到和做了什麼,再過一遍「採集—檢驗—訓練—評估」的閉環品管流水線,把真機器人在物理上根本做不出來的軌跡過濾掉。
十段便宜的,配一段真的
公司對照實驗給出的核心數字:大約十段這種無機器人的人類示範,配上一段真機示範,在評估任務上就能追平純真機資料的訓練效果。如果這個配比在實驗室外也成立,教機器人做體力活的成本結構就改寫了一個數量級——把稀缺昂貴的原料(機時)換成了便宜大量的原料(一個戴頭顯的人)。
而且產出可以跨機器人本體遷移——整個框架明確就是為跨本體策略遷移設計的——所以一段示範錄一次,訓練的不是一台機器人,而是所有下載這套策略的機器人。這個邏輯我們上週在 Neura 的技能共享 Neuraverse 裡剛標記過,區別是這次開源,而且示範來自人類的身體。
學徒制,外銷轉內銷
這套機制裡有個挺工整的諷刺。X Square Robot 設想的資料採集員,是做熟練體力活的人類——恰好就是這些模型將來要自動化掉的工種。「給機器示範工作」這件事,目前本身是一份工作。資料採集當職業,在中國的機器人訓練中心已經存在;這套設備讓這個崗位輕便到一個頭顯能寄到的地方就能開工。
也得把這件事不是什麼說清楚:它還不是工廠產線上的產品,「實驗條件下最多 20 倍」這種措辭,出了實驗室往往會縮水。X Square Robot 是 WALL-OSS 基礎模型背後的公司,開源同時也是一場對抗資金更雄厚對手的招募與生態牌。
但方向沒有歧義。人類示範和機器人能力之間每倒下一道牆,體力技能這條護城河就窄一分。過去的說法是,機器人學不會你的手藝。現在,教它們的硬體是一台 VR 頭顯加兩隻夾爪,資料集是一個下載連結。