XRZero-G0：通过接口、质量和比率推动灵巧机器人操作的前沿

获取高质量、与动作一致的演示数据仍然是扩展灵巧机器人操作基础模型的基本瓶颈。尽管无机器人人类演示（例如 UMI 范式）提供了传统远程操作的可扩展替代方案，但当前系统受到次优硬件人体工程学、开环工作流程以及缺乏系统数据混合策略的限制。为了解决这些限制，我们推出了 XRZero-G0，这是一种用于具体数据收集和政策学习的硬件软件共同设计的系统。该系统具有符合人体工程学的虚拟现实界面，配备顶视摄像头和双专用夹具，可直接提高收集效率。为了确保数据集的可靠性，我们提出了非本体数据的闭环收集、检查、训练和评估管道。该工作流程实现了85%的数据有效性，并建立了透明的质量控制机制。此外，我们研究了无机器人数据的经验缩放行为和最佳混合比。大量实验表明，将最小量的真实机器人数据与大规模无机器人数据（例如 10:1 的比例）相结合，可以获得与完全真实机器人数据集相当的性能，同时将获取成本降低 20 倍。利用 XRZero-G0，我们构建了一个 2,000 小时的无机器人数据集，能够实现零镜头跨实体传输到目标物理机器人，展示了一种用于广义现实世界操作的高度可扩展的方法。我们的项目存储库：https://github.com/X-Square-Robot/XRZero-G0