X Square Robot 试图解决具身 AI 的数据瓶颈
X Square Robot 开源了 XRZero-G0，这是一套用于收集无机器人训练数据、面向灵巧操作的软硬件框架，同时还发布了名为 G0-Dataset 的 2,000 小时多模态资料库。公司表示，在实验条件下，该系统可将真实机器人训练数据需求最多降低 20 倍。
如果这一说法能在更广泛的场景中成立，它就触及了机器人与具身 AI 的核心限制之一：高质量物理交互数据的采集既缓慢、昂贵，又难以标准化。XRZero-G0 的定位，是通过把更多采集工作转移到一个由人类操作但结构化的环境中，从而让这一过程更具可扩展性，并在之后迁移到不同机器人平台。
系统如何构成
根据所提供的 The Robot Report 原文，XRZero-G0 将头戴摄像头与两个腕部摄像头结合起来，以同时捕捉更广阔的环境上下文和近距离的手物交互。硬件包括一台配备 inside-out 空间追踪的 PICO 4 VR 头显，以及两个实体夹爪，分别被描述为 H 形按压式夹爪和 G 形手指驱动夹爪。
该框架还支持毫米级精度的六自由度位姿估计，并使用边缘侧时空解析来同步视觉、语言和轨迹数据。实际上，这意味着系统试图把人类演示转化为机器可用的训练材料，而不需要在采集数据时每个示例都由机器人实时执行。
为什么无机器人采集很重要
具身 AI 研究人员经常面临真实感与规模之间的取舍。真实机器人数据集直接有用，但采集成本高。仿真数据更容易扩展，但往往难以顺利迁移到物理世界。XRZero-G0 处于中间地带：在精心布置的环境中采集人类演示，再利用这些记录训练能够迁移到此前未见机器人形态的策略。
X Square Robot 表示，该框架旨在通过标准化采集流程，并让结果数据更容易进行质量检查，从而弥合人类感知与机器感知之间的差距。强调质量控制很重要，因为在机器人领域，单纯的数量往往不够。视觉、动作和时序之间哪怕很小的错位，也会让数据集的实际价值远低于纸面上的表现。
面向可训练性的治理流程
公司的方法包括一个覆盖采集、检查、训练和评估的闭环流程。原文将其分为三层。在观测层面，使用多视角几何一致性来减少视觉与运动学的不匹配。在运动学层面，带有碰撞和关节限位约束的全身逆运动学会过滤无效轨迹。在策略层面，真实机器人回放作为最终验证标准。
这一结构很重要，因为它表明公司不仅在推销一个数据集，也在提供一套判断无机器人样本是否足够好的方法。在机器人领域，劣质数据会制造规模很大的幻觉，同时削弱策略表现。把检查和验证视为一等步骤的框架，比只强调采集时长的框架更可信。
实验性说法意味着什么
X Square Robot 表示，受控实验显示，将大约 10 个无机器人片段与 1 个真实机器人片段结合，在所评估任务中可达到与纯真实机器人数据集相当的性能。这是一个范围有限但很重要的说法。它并不意味着无机器人数据能完全消除对真实数据的需求，而是意味着公司认为，相对少量的真实交互可以被结构化的人类演示数据放大。
原文没有说明完整的任务范围、基准或失败案例，因此应将该结果视为已报告的实验发现，而不是普遍规则。即便如此，这一发布仍然值得注意，因为它指向了一条具体路径，可望降低机器人领域最顽固的成本之一。
为什么开源发布可能很重要
将框架和 2,000 小时数据集同时开源，降低了外部研究人员测试该方法的门槛，而不是只停留在阅读介绍。这在具身 AI 中尤其重要，因为可复现性常常受到硬件差异、封闭数据集和不一致采集实践的限制。
如果其他团队能够验证类似收益，XRZero-G0 可能会从一次性研究成果变成基础设施。即便结果会因平台或操作任务不同而变化，一个带有同步多模态输入的大型公开数据集本身就已经是对该领域的重要贡献。
更大的图景
这次发布并不能单独解决机器人数据稀缺问题，但它反映了行业正在发生的更广泛转变。企业越来越把数据管道、标注质量和具身迁移视为战略资产，而不是次要工程问题。XRZero-G0 是这一趋势的清晰例子：标题不是一台新机器人，而是一种更高效地教会许多机器人的新方式。
本文基于 The Robot Report 的报道。 阅读原文.
Originally published on therobotreport.com