过往主流VLA系统，
，，，，，要么聚焦双臂低自由度夹爪控制，
，，，，，要么专攻单臂高自由度灵巧手操作，
，，，，，始终无法兼顾双臂协同与细腻手指行动的双重需求。
。。。。
。。 克日，
，，，，，首个原生面向双臂双高自由度（36自由度）灵巧操作的开源VLA模子：Dexora，
，，，，，突破此前VLA的形态壁垒，
，，，，，为通用灵巧机械人的落地提供了全新范式。
。。。。
。。 高自由度灵巧操作的焦点条件，
，，，，，是精准、可规；；；；；；；氖菔章。
。。。。
。。Dexora摒弃简单遥操作计划，
，，，，，打造“外骨骼+VR”混淆遥操作系统，
，，，，，同时驱动物理机械人与MuJoCo数字孪生，
，，，，，从泉源解决数据收罗的精度与规模难题。
。。。。
。。 定制外骨骼背包捕获机械臂整体运动（无漂移、低延迟），
，，，，，Apple Vision Pro实现无标记手指追踪，
，，，，，兼顾手臂大规模移动的稳固性与手指细腻行动的无邪性。
。。。。
。。 最终构建的数据集包括10万条仿真轨迹（650万。
。。。。
。。1万条真实遥操作轨迹（292万。
。。。。
。。，
，，，，，笼罩30类仿真物体、17类真实物体，
，，，，，兼顾基础抓取与细腻灵巧使命。
。。。。
。。 Dexora基于数据质量感知的端到端VLA架构，
，，，，，通过扩散Transformer天生行动，
，，，，，搭配离线质量判别器过滤噪声数据，
，，，，，解决遥操作数据质量狼籍不齐、高维行动训练不稳固的行业痛点。
。。。。
。。 判别器以冻结的预训练战略为基准，
，，，，，展望轨迹质量得分（0-1），
，，，，，训练时将得分转化为权重，
，，，，，高质量轨迹权重高、低质量轨迹权重低，
，，，，，公式简化为： 实验效果显示，
，，，，，Dexora在基础使命、灵巧使命、跨形态泛化三大维度均实现突破，
，，，，，验证了双臂双高自由度设计与质量感知训练的有用性。
。。。。
。。 平均乐成率66.7%，
，，，，，较最优基线GR00T N1（51.7%）提升15个百分点，
，，，，，尤其在拧瓶盖、细腻面团操作等需要双手配合+多指调控的使命中，
，，，，，基线险些失效，
，，，，，Dexora仍能稳固完成。
。。。。
。。 二是跨形态迁徙，
，，，，，36自由度模子可直接适配单臂夹爪、双臂夹爪、单臂低自由度手，
，，，，，无需重新训练，
，，，，，仅需适配行动维度，
，，，，，突破VLA的形态依赖。
。。。。
。。 Dexora是首个原生双臂双高自由度VLA，
，，，，，证实高自由度模子可向下兼容低自由度装备，
，，，，，为通用机械人提供“高维训练、低维安排”新思绪。
。。。。
。。 未来，
，，，，，若能融合触觉反响、强化长时序推理，
，，，，，Dexora有望进一步缩小与人类操作的差别，
，，，，，推动通用灵巧机械人从实验室走向现实应用。
。。。。
。。