效率提升25%，灵巧操作数采困境被「臂-手共享自主框架」解决

来源：市场资讯

（来源：机器之心Pro）

实现通用机器人的类人灵巧操作能力，是机器人学领域长期以来的核心挑战之一。近年来，视觉 - 语言 - 动作 (Vision-Language-Action，VLA) 模型在机器人技能学习方面展现出显著潜力，但其发展受制于一个根本性瓶颈：高质量操作数据的获取。

ByteDance Seed 团队最新的研究论文《End-to-End Dexterous Arm-Hand VLA Policies via Shared Autonomy》[1]，针对这一关键问题提出了解决方案。

该研究的核心贡献在于提出了共享自主 (Shared Autonomy) 框架，通过合理划分人类操作员与自主 AI 系统的控制职责——人通过 VR 遥操作控制机械臂 (负责高层定位和避障)，DexGrasp-VLA 自主控制灵巧手 (负责精细抓握)，消除了同时遥操作臂和灵巧手的需求，大幅降低操作员认知负荷，有效解决了机器人部署中最关键的数据采集成本问题。通过将数据采集效率提升至可规模化的水平，它为灵巧操作技术从实验室走向工业应用奠定了基础。

Data collection and training pipeline for DexGrasp-VLA policy and arm-hand VLA policies.[1]

基于共享自主框架的端到端机械臂 - 灵巧手 VLA 策略学习：通过 DexGrasp AI 进行高效遥操作：

https://mp.weixin.qq.com/s/g2mk5elCiAhnjZ5A8dLbeQ

一、四大核心：实现了从数据采集到策略优化的闭环

论文的核心问题在于如何为高自由度灵巧手 + 机械臂系统高效地采集高质量的演示数据，以训练出具备通用操作能力的 VLA 策略。高自由度五指灵巧手的控制复杂度远超传统的两指夹爪，对数据质量和控制精度提出了更高的要求。

该研究构建了一个由四大核心模块组成的完整技术体系，实现了从数据采集到策略优化的闭环。

1. 核心策略: DexGrasp-VLA，打造共享自主框架的基石

DexGrasp-VLA 是一个专为灵巧手设计的自主抓取策略，是本文共享自主框架的基石。它是一个多模态 VLA 模型，其输入不仅包括语言指令、视觉和本体感知，更关键的是集成了触觉反馈。

该策略的实现得益于其所搭载的灵巧手 - 星动纪元星动 XHAND1 的硬件能力。星动 XHAND1 是一款全直驱 12 自由度的五指灵巧手，其指尖集成了高分辨率的触觉传感器。这些传感器能够提供合力向量和空间接触分布（环绕指端 270 度，120 点空间触觉阵列）两种关键触觉特征。DexGrasp-VLA 正是利用这些高保真度的触觉数据，实现了力适应性抓取 (Force-Adaptive Grasping)，能够根据物体的形态而动态调整握力，从而在不捏碎易碎品的同时稳固抓取重物。

Tactile-based DexGrasp-VLA for hand control [1]

在杂乱桌面场景中使用 DexGrasp-VLA 进行清桌操作。

https://mp.weixin.qq.com/s/g2mk5elCiAhnjZ5A8dLbeQ

2. 人机臂手协同共享框架，高效采集高质量操作数据

共享自主框架将控制任务按照运动域进行拆分：

Fully manual teleoperation versus the proposed Shared Autonomy [1]

这样的设计源于臂与手在运动学本质上的巨大差异 —— 机械臂强调稳定、连续、较长时间尺度的轨迹控制，而灵巧手则必须处理柔顺接触、快速响应与高频细节动作。正因如此，将复杂度最高的手部控制交由 AI 自动处理，可以显著减轻人类操作者的认知及操作负担。操作者无需再时刻处理每一根手指的微小动作，只需专注于大方向和策略性决策。

最终，这套分工机制让系统能够更高效地采集高质量的臂手协同演示数据，为后续训练具备通用操作能力的 VLA 策略打下稳定基础。

3. 臂手特征增强模块，实现更自然、更鲁棒的宏观 - 微观动作协调

为了解决臂手协调这一复杂问题，论文提出了臂手特征增强 (Arm-Hand Feature Enhancement) 模块。

Arm-hand feature enhancement for the VLA policy [1]

该模块旨在建模和融合臂和手在运动学上的差异特征。它采用三流架构：共享任务表示、手臂专用编码器和手部专用编码器。这种解耦设计避免了传统单体架构模型对臂手差异的忽视，使得最终的策略能够实现更自然、更鲁棒的宏观 - 微观动作协调。

4. 持续优化机制：纠正性人机闭环，让机器人能够从失败中学习

该研究引入了纠正性人机闭环 (Corrective Human-in-the-Loop) 机制，让机器人能够从失败中学习。当机器人抓取失败时，人类操作员可以立即接管并演示正确的操作方法。系统会自动记录这次失败的过程和人类纠正后的成功过程，并将这两段数据作为「难题案例」加入训练集。

通过这种方式，策略能够不断迭代优化，逐步学会应对各种边缘案例 (corner cases), 变得越来越聪明和可靠。

Corrective human-in-the-loop teleoperation system [1]

端到端的机械臂 - 灵巧手 VLA 策略

https://mp.weixin.qq.com/s/g2mk5elCiAhnjZ5A8dLbeQ

二、星动 XHAND1 全直驱 + 触觉显著提升策略的协调性和鲁棒性

Hardware setup of the integrated robotic system.[1]

Representative cases of grasping cylindrical and spherical objects， visualizing the distribution of surface contacts measured by tactile sensors at fingertips.[1]

三、灵巧操作高质量数据采集效率提升 25%

该研究通过提出共享自主框架，推动了灵巧操作领域高质量数据采集效率提升 25%，使单人每小时可采集更多条数据，并将完整开发 - 部署周期压缩至一天以内，从根本上解决了 VLA 模型训练的数据瓶颈问题。

该研究通过在超过 50 种物体上实现约 90% 的抓取成功率这一接近工业标准的性能水平，推动了灵巧操作技术从概念验证向实际部署的关键跨越，为机器人在柔性制造、智能物流和服务机器人等领域的大规模应用铺路。

Grasping diverse objects with variations in size， color， and material properties.[1]

未来工作

论文展望了三个主要的未来研究方向。当前框架主要在抓取任务上得到了验证，未来可以通过引入更多专用的 AI 辅助控制器 (VLA Copilot 模块)，将其拓展至物体重定向、精密插放和长时程操作等更复杂的场景。

虽然触觉反馈对抓取稳定性至关重要，但在端到端臂手控制中仍面临噪声干扰和时序错位等挑战，因此需要探索更智能的融合机制，例如根据任务阶段动态调整触觉、视觉和本体感受的权重。

此外，当前的纠正机制仍需人工介入，这在一定程度上限制了系统的可扩展性。未来可以借助强化学习实现系统的自主错误识别和恢复，并利用视觉 - 语言模型感知任务复杂度和环境风险，智能地决定何时独立运行、何时请求人类协助，最终实现从人机协作向完全自主的平滑过渡。

参考文献

[1] End-to-End Dexterous Arm-Hand VLA Policies via Shared Autonomy: VR Teleoperation Augmented by Autonomous Hand VLA Policy for Efficient Data Collection. ByteDance Seed. 2025.（https://arxiv.org/pdf/2511.00139）