机器人与物理 AI
ROBOTERA 开放 XHAND 1 Pro-U 灵巧机器人手订购

要点ROBOTERA的Pro-U手部与NVIDIA的DexUMI外骨骼相呼应,使人类演示能直接映射到机器人关节。
查看更多
- ROBOTERA的Pro-U手部与NVIDIA的DexUMI外骨骼相呼应,使人类演示能直接映射到机器人关节。
- GR00T 2在所有三项双手任务上均取得成功,而GR00T 1.7和π0.5则一项都未完成。
- 开放许可的采集硬件搭配商用灵巧手,使团队无需占用机器人即可采集力感知数据。
据其发布公告,ROBOTERA 于 2026 年 11 月 16 日宣布 XHAND 1 Pro-U 正式商业上市,并开放首批 40 台这款五指灵巧机器人手的订购。
此次上市紧随这款 16 自由度机器人手参与NVIDIA 的 GR00T 2 研究之后,其中包括 Jim Fan 在机器人学习大会(CoRL)上展示的 DexUMI 演示。ROBOTERA 的目标客户是从事灵巧操作、机器人学习和现实世界机器人应用的研究团队、机器人开发者及行业合作伙伴。
让机器人手与人类演示动作相匹配
ROBOTERA 以 NVIDIA GEAR Lab 的 DexUMI 外骨骼为基础设计 Pro-U。DexUMI 是一种可穿戴设备,无需机器人即可记录人类演示动作。该公司表示,外骨骼与机器人手的对应关节能够直接映射动作,从而减少额外的动作转换。重新设计还调整了拇指位置、手掌侧的触觉感知和关节活动能力,以便更自然地进行演示,并适应多种抓握姿势。
GR00T 2 白皮书称,GEAR DexUMI 复现了 XHAND1 Pro-U 的关节运动学、接触表面、腕部相机安装结构和触觉数据格式,并与机器人关节一一对应。每个GEAR DexUMI 单元配备 15 个用于追踪手指关节的磁编码器、一台 OAK 腕部相机,以及用于测量法向力和剪切力的指尖传感器。佩戴者可以同时使用两个单元来记录双手演示动作。
从演示动作到机器人执行
采集数据时,佩戴者直接操作真实物体,DexUMI 则记录手部动作、腕部相机视频和指尖受力情况。这些演示数据用于对GR00T 2进行后训练,训练得到的技能则由一台配备两只 XHAND1 Pro-U 机器人手的天机双臂机器人执行。对于评估的三项任务,后训练仅使用可穿戴设备采集的演示数据,没有使用针对特定任务的遥操作数据或额外的通用机器人运动数据;采集过程中,没有操作员远程控制目标机器人。
力数据记录也会用于调整控制。NVIDIA 将指尖受力转换为关节扭矩,并将其加入机器人的动作目标。执行过程中,预测扭矩会降低各关节的刚度,并偏移其位置目标,使机器人手能够施加预测的力,同时适应位置上的不确定性。这种机制支持切片、拧开瓶盖和划火柴等需要丰富接触交互的动作。
NVIDIA 以 CC BY 4.0 许可发布 DexUMI 硬件设计和文档,但不包括供应商的产品照片;其数据采集软件默认采用 Apache-2.0 许可。供应商的 XHAND 机器人描述文件另行采用 MIT 许可,而 ROBOTERA 的商用机器人手则为同一工作流程提供执行端。
三项双手任务的评测结果
评测涵盖三组多步骤操作序列,结合了工具使用、双手间传递和瓶盖处理。制作香蕉酸奶时,机器人需要拿起刀、切香蕉、揭开酸奶盖,并将香蕉块放入碗中。舀取格兰诺拉麦片时,机器人需要在双手间传递罐子、拧开罐盖并使用刮刀。在火焰化学任务中,机器人需要划火柴、点燃烧瓶下方的灯,并将火柴浸入水中熄灭。
在 NVIDIA 的评测中,GR00T 2 在香蕉酸奶、舀取格兰诺拉麦片和火焰化学任务中的总体成功率分别为 60%、80% 和 75%。采用相同 DexUMI 演示数据和相同数据方案进行后训练的 GR00T 1.7 与 π0.5,均未能完成三项完整任务中的任何一项。这些结果仅针对指定的测试操作序列,并不代表机器人在其他任务或运行环境中的总体可靠性。
将采用开放许可的动作采集设计与相匹配的商用机器人手结合起来,为研究团队提供了一种具体途径,让他们能够采集感知受力的演示数据,而不必占用目标机器人。剩下的限制在于执行能力:结果表明,机器人能够在全部三组操作序列中实现迁移,但未成功的试验也意味着,在更广泛的部署中,能否持续保持端到端性能仍是一个待解问题。












