哈工大北大联合研发DexFlyWheel框架：1条示教生成海量操作数据

在机器人研发领域，五指灵巧机械手被认为是突破类人操作瓶颈的核心技术。从旋转瓶盖到精准传递物品，这些看似简单的动作对机器人的灵活性提出了极其苛刻的要求。然而，一个困扰行业多年的根本问题始终存在——高质量训练数据的严重短缺。

与依赖海量文本数据的大语言模型，或是通过百万公里路测积累经验的自动驾驶系统相比，灵巧手操作数据的收集可谓举步维艰。传统方法面临着诸多瓶颈：人工动作规划无法处理五指的复杂协同，大语言模型只能给出概念性指导，远程操控采集又耗时耗力且难以规模推广。即使是强化学习方法，也常常陷入动作僵硬、轨迹失真的困境。

现有数据集的局限性同样突出。大部分数据集仅针对基础抓取动作设计，遇到倾倒液体、双手协作等复杂任务时就无能为力。轨迹重放技术虽然能在特定场景下进行微调，却无法扩展学习新的操作策略，数据多样性严重受限。这种"实验室完美主义"的局限，使得灵巧手技术长期无法走出实验室，进入实际应用场景。

这一僵局被北京大学、哈尔滨工业大学与PsiBot灵初智能团队的联合研究打破。他们创新性地提出了DexFlyWheel框架，开创性地解决了数据困境——仅依靠1段人类演示视频，就能启动"数据引擎"产出海量多样化训练数据。这项入选NeurIPS 2025会议Spotlight的重磅研究（录用率仅3.2%），为灵巧操作数据生成开辟了新思路。

研究团队发现了物体操作特性的跨对象规律：外形相似的物品（例如橘子和网球），只需要调整手指角度和力度的细微参数就能完成同样操作。基于这一发现，他们设计了一套模仿学习与残差强化学习的协同机制。前者负责生成自然流畅的基础动作，后者专注于新场景的细节适配，形成"框架构建-参数优化"的闭环迭代。

更具突破性的"数据飞轮"机制通过VR采集的人类示范视频启动：扩散策略模型首先学习人类操作模式生成初始轨迹；残差强化学习进行精调适配；仿真验证的结果又反馈给下一轮训练。这种正反馈循环带来数据规模的指数级增长——单条示范可衍生500条轨迹，场景复杂度提升214倍，适配物品种类从1种扩展到20种。

实验数据有力证明了框架的优越性：在单手抓取、双手交接等任务中，数据生成成功率达到89.8%，远超传统方法的性能；500条轨迹的生成时间仅需2.4小时，效率是人工采集的1.83倍。更重要的是，在复杂测试集上，策略成功率从初始的16.5%飞跃至81.9%，经过数字孪生技术转移到实体机器人后，双手操作任务仍保持78.3%的高成功率。

这项突破的价值不仅在于数据量的倍增，更在于开创了"数据自强化"的新范式。虽然当前框架尚未整合触觉感知单元，但研究团队已将其列为下阶段重点。如果能攻克触觉反馈与自动化奖励设计的难题，机器人将有望掌握精密零件组装等更高阶技能，向着通用灵巧操作的目标大步迈进。