自变量发布 TwinDex，宣称以零真机遥操数据完成化学实验

9 月 3 日，自变量机器人发布灵巧操作系统 TwinDex。当日上午报道了它的演示：公司宣称，机器人策略的后训练阶段真机遥操（teleoperation，远程操控真实机器人示范）数据为 0，仅用数百条“无本体”（robot-free，指不经过目标机器人、由操作员穿戴采集设备示范得到的数据）数据从零训练，机器人就一镜到底自主完成了一套含 24 个子动作的化学实验。

TwinDex 的硬件是一对同构设备：三指、9 自由度（其中 7 个主动驱动）的灵巧手，配一副可穿戴采集外骨骼。官方给出两个核心数字：采集效率较真机遥操提升 5.3 倍以上、等量数据训练效果 ≈1:1。以上均为公司演示口径：论文尚未发布，页面也没有给出权重或复现材料，目前能核对的只有公司自述与媒体转述。

工具箱卡扣、注射器推注：演示里的三类能力

量子位转述的演示中，最完整的一段是这套一镜到底的化学实验：从开瓶取样、滴管与试管操作，到玻璃棒引流、摇匀观察，全程由策略自主执行。

实验跨越三种工具，涉及多次双手协调与工具切换，每一步都要求毫米级定位与稳定力控。量子位把演示里的能力拆成三类，第一类是容差极小的精细操作。

打开工具箱时，机器人要让左右两根食指同时对准两个狭窄卡扣，插入后向下拨开，再用食指和拇指捏住提手掀起箱盖。

注射器推注则是食指与中指固定筒身、拇指对准推杆向前发力，位置不能跑，推注方向和力度都要精确。

第二类是三指协作。扫帚和簸箕任务里，三根手指围绕手柄形成包络，共同承担支撑与控制；相比两指，第三根手指多提供一个接触点，也多一种稳定长条物体、使用工具的方式。

第三类接近人手的柔性操作与掌内调整：翻书时，拇指先把最上层书本搓出来，再完成捏取、双手交接、放置和翻页。

官方页面把这段演示标注为 One Take（一镜到底），称它是一套“标准的化学实验”，由策略在单次无剪辑拍摄中自主完成。所有策略只用无本体数据从零训练，官方称任何阶段都没有引入干预数据或真机遥操数据。

三根手指，凭什么拿下毫米级操作？

TwinDEX 由拇指、食指、中指构成。官方称三指是“最小可行方案”：手指越多，灵巧上限越高，但空间堆叠、驱动器力矩密度、可靠性与成本会连锁恶化；两指夹爪则很难覆盖旋拧、掌内调整、多点接触这类精细操作。

公司称，经过覆盖 8 类操作原语的形态学基准测试、与多种候选构型对比后，三指 9 自由度是当前的最优折中。

自由度分配能看出取舍。拇指共 4 个自由度、3 个主动，其中腕掌关节（CMC）双主动，官方称这是拧螺丝类任务的关键，能显著减少对手腕转动的依赖。

食指的 3 个自由度全部主动驱动，承担触觉反馈与发力；中指只有 1 个主动自由度，负责辅助稳定大物体抓取，近端指间关节（PIP）通过四连杆被动跟随。

9 个自由度由 7 个主动驱动器带动。对比实验支撑了这个配置：官方比较了 6、7、8 个主动自由度的三指构型，7 与 8 主动相对 6 主动是“量子跃升”。

但 8 主动相对 7 主动的增益有限，多出的复杂度主要换来穿戴舒适性，最终锁定 7 主动版本。

拧瓶盖演示是官方给出的一个具体例证：一只手扶稳瓶子，另一只手靠食指与拇指的外展、内收自由度完成旋转，而不是转手腕。官方写道，这正说明手指级自由度对这类就地精细操作必不可少。

一致性设计：把本体对齐挪到数据产生之前

TwinDEX 不只是一只手。量子位把它称为由数据采集硬件、末端执行器、数据处理管线和模型训练流程共同组成的灵巧操作系统，并总结说，这套系统的各个环节都围绕同一个问题展开：让采集出来的数据，从一开始就尽可能接近机器人真正需要的数据。

无本体数据过去好采但难用。采集端和执行端不是同一套本体，人手怎么动、设备怎么记录，到了机器人上未必能原样复现，运动学差异和精度损失，迫使团队最后补一批真机遥操数据做本体对齐。

TwinDEX 的做法是倒过来设计：官方称从“零真机数据部署”这个目标出发，反推采集端在关节精度、时间同步、视觉配置、机械特性上必须达到的指标。

页面把采集端与执行端的一致性拆成五个维度。运动学严格同构：自由度数量、关节轴配置、连杆比例一致，外骨骼每个旋转轴与手部对应关节共轴。

接触力学一致：接触表面的材质、几何与表面特性相同，同位置集成相同触觉传感器。视觉外观接近一致：接触物体的壳体相同，非接触的驱动模块用织物覆盖，缩小视觉域差异。

还有两个维度针对数据本身。采集精度被逐项量化：手指关节精度、手腕定位精度、抖动、漂移对闭环性能的影响权重不同，部分误差模型能容忍、部分是硬瓶颈，模型架构与训练流程据此设计。

多模态时间同步则量化视觉、触觉、关节编码器、手腕定位之间的时间错位对策略推断的影响。

量子位的概括是“所采即所得”：把原本发生在数据处理阶段的本体对齐，提前到了数据产生之前。

采集端是可穿戴外骨骼，操作员戴上设备直接接触物体，获得真实力反馈，系统同步记录视觉、关节状态、手腕位姿等多模态信息，经标定、时间同步和标准化处理后汇入统一训练空间。

多名操作员可以在不同地点同时采集，互不占用机器人。公司留了一句话的余地：外骨骼结构上与真机遥操兼容，可直接充当高精度遥操设备，官方称这项能力保留为未来更高难度场景补充干预数据的接口，但“当前结果不依赖它”。

采集更快、轨迹更顺：三层机制与一条数据曲线

官方为采集效率的提升给出了三层机制。第一是成功率：旋拧瓶盖、精细插接这类接触密集任务，在传统遥操下缺少直觉力反馈，很难稳定完成，穿戴式让操作员直接感知接触力。

第二是速度：操作员按自然节奏动作，不用适应通信延迟和映射畸变。第三是轨迹质量：穿戴采集的轨迹更平滑自然，少了遥操常见的抖动、停顿和非人运动模式。

采集端不占机器人，也让成本结构变了：不需要机械臂、底盘或轮式平台，硬件压缩到一副外骨骼加一套传感器。

一人、一桌、一外骨骼就是一个完整采集单元，可以带去任意真实环境现场采集。官方称采集效率较真机遥操提升 5.3 倍以上，同时维持相当的数据质量。

另一组对比针对数据本身的价值。官方称在多任务基准上，无本体数据与真机遥操数据训练出的策略数据效率相当：性能随数据量以相同速率提升，两条曲线在统计显著范围内重合，即无本体数据与遥操数据具有同等的“价值密度”。

量子位转述这一结果时写道，在这组实验中，无本体数据近乎可以 100% 替代真机遥操数据。

“遥操已死”之后，轮到无本体数据作答

量子位的报道为这场发布提供了背景：今年 5 月，英伟达机器人负责人 Jim Fan 在一场公开演讲中宣告“VLA、遥操已死”，当时多数人把这当作又一条暴论。几个月后，面对这份演示，量子位在文中写道：“遥操，可能真的危险了。”

报道回溯了这类数据此前的地位：过去两年，真机遥操数据站在“具身数据金字塔”的塔尖，质量最高，因为视觉、关节状态、末端轨迹天然对齐。代价也最大：每采一条都要真实占用一台机器人，机器人保有量成了数据产能上限。

为了摆脱这个上限，行业在探索 UMI 一类两指夹爪、手套与外骨骼、Ego 第一视角等无本体采集路线，但一直卡在一个两难里：采集方式越自由，越容易扩展规模；采集端离真实机器人越远，动作重定向和精度损失越大，数据越难直接用。

TwinDEX 的答案是不放弃本体约束，把机器人需要的动作结构提前“复制”到采集端，在可扩展性和物理信息保留之间另找一个平衡点。

自变量机器人是国内具身智能公司，其自称专注端到端大模型驱动的通用机器人，围绕自研的 WALL-A 操作大模型布局，产品线包括量子系列轮式仿人机器人和五指灵巧手 ArtiXon Hand。

量子位在文末给出判断：高质量数据与真机遥操之间的强绑定正在松动，“每扩展到一个新任务，都必须从真机遥操数据开始的时代，正在结束”。

声明与验证之间，隔着一份 coming soon

TwinDex 项目页顶部只挂着一个标注 “Paper (coming soon)” 的入口，文末的 BibTeX 同样写着 coming soon。除演示与页面自述外，页面上看不到论文正文、模型权重，也没有第三方评测的入口。

页面在多处注明，逐维度的消融、分析与讨论将放在技术报告里；报告目前没有随页面公开。

公司自己在页面里列了边界：任务目前限于单一桌面工作区、物体类别有限，对大规模物体形状变化和未见场景布局的泛化仍有提升空间；长时间穿戴采集的人体工学尚未系统研究；多指精密装配这类更高灵巧任务，可能需要更多自由度的构型。

连最基本的数字，官方口径也不统一：项目页概述写化学实验含 25 个子动作，页面结论部分和量子位报道则记为 24 个。

在论文与报告公开之前，TwinDex 可以核实的部分是一套已上线的硬件方案、一段演示和两个待检验的数字。“无本体数据 ≈ 真机遥操数据”仍是一句公司声明，验证它的材料还停在 “coming soon” 里。