XRZero-G0：推动机械手操作前沿的接口、质量与比例
机器人学
2026-04-17 v2
摘要
获取高质量、动作对齐的演示数据仍是扩大基础模型在灵巧机器人操作中应用的根本性瓶颈。虽然机器人免费的人类演示（如 UMI 范式）提供了可扩展的传统遥操作的替代方案，但当前系统受限于次优的硬件人体工程学、开环工作流程以及缺乏系统性数据混合策略。为此，我们提出了XRZero-G0，一个用于具身数据收集和策略学习的硬件-软件协同设计系统。该系统配备了符合人体工程学的虚拟现实界面、顶视摄像头和双专用夹爪，直接提高收集效率。为确保数据集可靠性，我们提出了一种针对非感知数据的数据收集、检查、训练和评估的闭环流程。该工作流程实现了85%的数据有效率，建立了透明的数据质量控制机制。此外，我们研究了机器人免费数据的时间序列行为和最佳混合比例。大量实验表明，仅以最小量的真实机器人数据与大规模机器人免费数据（例如10:1的比例）组合，即可实现与专属真实机器人数据集相当的性能，同时将数据获取成本降低了约20倍。利用XRZero-G0，我们构建了一个2000小时的机器人免费数据集，使其能够实现对目标物理机器人的零样本跨具身迁移，展示了一种高度可扩展的通用真实世界操作方法论。我们的项目仓库：https://github.com/X-Square-Robot/XRZero-G0
引用
@article{arxiv.2604.13001,
title = {XRZero-G0: Pushing the Frontier of Dexterous Robotic Manipulation with Interfaces, Quality and Ratios},
author = {James Wang and Primo Pu and Zephyr Fung and Alex Wang and Sam Wang and Bender Deng and Kevin Wang and Zivid Liu and Chris Pan and Panda Yang and Andy Zhai and Lucy Liang and Shalfun Li and Johnny Sun and Jacky Xu and Will Tian and Kai Yan and Kohler Ye and Scott Li and Qian Wang and Roy Gan and Hao Wang},
journal= {arXiv preprint arXiv:2604.13001},
year = {2026}
}
备注
Technical Report