工具教程 · 神机百见-具身解读

40 台、16 个自由度、三档许可:想复现 GR00T 2 那套外骨骼采数,现在缺的真的只剩一只手

2026-11-16,ROBOTERA 把 XHAND 1 Pro-U 开放商业发售,首批 40 台。这只手配上英伟达那套开源外骨骼,理论上任何人都能复现「穿外骨骼干活、数据直接进 GR00T」的链路。三档许可拼起来确实能商用,但有一个附带条件常被漏掉:署名。

一分钟速览
  1. 开售:ROBOTERA 于 2026-11-16 宣布 XHAND 1 Pro-U 正式开启商业发售,16 个自由度五指灵巧手,首批限量 40 台,已接受预订,公开售价与首批交付时间均未公布。
  2. 它为什么特殊:这只手是英伟达 GR00T 2 演示里用的那一款,与 NVIDIA GEAR 的 DexUMI 外骨骼关节运动学、接触面、腕部相机支架、触觉数据格式一一对应——省掉了动作重定向这一层。
  3. 三档许可:DexUMI 硬件设计 CC BY 4.0、数据采集软件 Apache 2.0、ROBOTERA 机器人描述文件 MIT。三档都能商用,但 CC BY 4.0 要求署名。
  4. 已披露成绩:与 GR00T 2 联合评估中,制作香蕉酸奶 60%、舀格兰诺拉麦片 80%、火焰化学实验 75%(划火柴、点油灯、火柴入水)。
  5. 判断一:60/80/75 是多步骤任务的端到端成功率,不是单步抓取率。60% 意味着 10 次里 4 次中断,人必须在场——现阶段它是采数工具,不是生产力工具。
  6. 判断二:40 台按「一个团队两只手」算只够 20 个团队。这个数字不是产能,是「先把 GR00T 生态的采数需求覆盖一圈」的量。
数据来源与边界
主源为 Geekiki 2026-11-16《ROBOTERA 开放 XHAND 1 Pro-U 灵巧机械手预订,曾亮相英伟达 GR00T 2 演示》(geekiki.com ↗ ),文末标注来源为 ROBOTERA 经 PR Newswire 发布的官方信息与 Unite.AI 报道,许可条款引自 GR00T 2 白皮书;同日 Humanoids Daily/The Robot Daily 亦有「首批约 40 台」的条目,可交叉印证台数与自由度两项。素材时间窗为前一日 18:00 → 当日 09:00(2026-11-16 18:00 → 2026-11-17 09:00);本条原始发布时点为 11-16 星期一,属窗口前沿条目,此处如实标注。 边界与不确定:①本条为单一信源为主(Geekiki 编译自 PR Newswire 与 Unite.AI),除「16 自由度、首批约 40 台」有第二家英文媒体条目印证外,许可条款细节、DexUMI 对应关系、三档任务成功率均未见 ROBOTERA 官网或英伟达官方页面的独立原文,本文标为单一信源内容,需以官方白皮书为准;②三档成功率未说明测试次数、判定标准与是否含人工接管,不能当作产品规格书;③售价与交付时间未公布,任何价格推测本文一概不做;④「首批 40 台」的分配规则(先到先得、审核制、还是生态伙伴优先)未说明;⑤文中关于许可合规、供应链锁定、采数成本结构的论述均为作者判断,以「判断:」开头。版权与免责声明由模板自动附加。
本文事实信息来自上方标注的公开来源;解读、判断与延伸部分为作者个人见解,写作过程使用了 AI 工具辅助整理,已由作者人工核实,不代表信息来源方立场。如有雷同纯属巧合;如涉及版权或权益问题,请联系 shenjibailian@shenjibailian.com,我们将在核实后及时删除或更正。

这条消息本身很短:一只手开始卖了,40 台。但它补上的是一段缺了很久的链条。

英伟达在机器人学习大会(CoRL)上展示 GR00T 2 时,配套的那套采数方案叫 DexUMI——一件可以穿在手上的外骨骼,人穿着它直接去操作真实物体,外骨骼记录手部动作与指尖力度。采集到的数据不用做动作重定向,直接就能拿去后训练。展示里那台双臂机器人装的,就是 XHAND 1 Pro-U。

问题是:演示结束之后,这套链路对普通团队是断的。外骨骼的图纸开源了,软件的许可也放开了,但那只手不对外卖——它是定制件。你有一整套工具,就是没有那个最关键的执行器。

一、40 台意味着什么

先把这个数拆开。灵巧手的采数通常是双手配置——外骨骼有左右,任务里有「双手之间传递物品」这类动作,单手套不出完整数据。按每个团队两只手算,40 台大约是 20 个团队的份额。

20 个团队,大概就是全球做「灵巧操作 + 模仿学习」这个方向的活跃实验室数量级。

判断:40 台不是产能数字,是生态数字。它的作用是把「GR00T 生态里的采数能力」先铺一圈,让论文与开源项目能跑起来。真正的量产要等第二批、第三批。这也解释了为什么售价与交付时间都没公布——首批客户大概率是审核制,不是先到先得。
二、三档许可,拼起来才叫「能商用」

这套链路最值得写进团队 checklist 的,是它由三个不同许可证拼成:

组件许可证商用你必须做的事
DexUMI 外骨骼硬件设计CC BY 4.0可以署名(BY 就是 attribution)
DexUMI 数据采集软件Apache 2.0可以保留版权与许可声明,附变更说明
XHAND 1 Pro-U 机器人描述文件(URDF 等)MIT可以保留版权与许可声明
表注:许可证类型据 GR00T 2 白皮书经 Geekiki 转述;三者的具体版本号、是否含专利授权条款、是否有附加限制,须以官方仓库 LICENSE 原文为准。抓取日期 2026-11-17。

三档都不带「非商用」限制,这是好消息——本号 11-16 写过另一个案例,某仿真工具的社区版写着「仅限学术研究与学习,不可商用」,想跑国产算力的团队拿免费版等于没用。相比之下,这套采数链路对商业化是开放的。

但 CC BY 4.0 有一个必须履行的义务:署名。这意味着如果你照着图纸把外骨骼做出来、用在产品数据采集上,在产品文档、论文致谢或者技术白皮书里得写清楚这套设计来自谁。这不是可选项,是许可条件。

实务上最常见的两个失误:一是把署名写进代码注释里就算完了,而 CC BY 要求的是「合理方式署名」,产品对外材料里通常也要有;二是 fork 了软件改了代码,忘了在文件里标注「已修改」——Apache 2.0 明确要求显著修改需说明。

判断:这三个许可证的组合,本质是「硬件图纸不要钱,执行器收钱」的经典结构——只是反过来了:剃刀免费,刀片收费。英伟达要的是生态里的人都用它的模型与工具链,ROBOTERA 要的是卖手。
三、「一一对应」才是这套方案的核心,不是开源

多数遥操作方案里,人在主端做的动作和从端机器人的动作之间,隔着一层「重定向」(retargeting):人的手有 20 多个自由度、手指长短不一,机器手可能只有 16 个,关节轴向也不同。重定向做不好,示范动作里的细节会在转换中丢掉——而这恰恰是最值钱的部分:手指怎么贴上去、力度怎么加、什么时候松。

DexUMI 的思路是把这一层干掉。白皮书里的说法是:外骨骼复现了 XHAND 1 Pro-U 的关节运动学、接触面、腕部相机支架和触觉数据格式,两者一一对应。

这次重新设计还调整了拇指位置、手掌侧触觉传感和关节活动度,为的是适配不同抓握姿势。

「一一对应」的收益很直接:采集到的数据不用转换就能用。代价也很直接:这套外骨骼只能配这一只手。

判断:省掉重定向,等于把数据管线焊死在一个硬件型号上。这在做研究时是优点——变量少、结论干净;在做产品时是风险——供应商换型、涨价、停产,你积累的几万条数据可能一夜之间失去可用性。要在合同里问一句:这只手的生命周期承诺是几年,下一代是否保证运动学兼容。
四、60/80/75 这三个数,别当规格书读

联合评估里给了三档成功率:制作香蕉酸奶 60%、舀取格兰诺拉麦片 80%、火焰化学实验 75%(划火柴、点亮油灯、把火柴放入水中)。

香蕉酸奶(多步骤)
60%
舀麦片
80%
火焰化学实验
75%
按 80% 归一化(60÷80=75.0%,75÷80=93.8%);三者均为端到端多步骤任务成功率,测试次数与判定标准未披露

三个任务都涉及工具使用、双手传物、开盖、双手协调。这些不是抓取,是流程。

端到端成功率的算法是「整段做完才算成功」,所以 60% 意味着十次里有四次中途断掉。对一个采数流程来说这其实够用——断掉的那四次也是数据,甚至是更有价值的数据(失败样本对训练纠错很关键)。但对一个生产流程来说,60% 意味着必须有人全程盯着。

三个任务里最难的是香蕉酸奶,这个结果符合直觉:剥、倒、搅拌,每一步都有柔性物体和流体,都不能靠位置控制硬怼。最容易的是舀麦片——勺子插入、抬起、倒入,接触模式相对固定。

判断:这三个数最该被记住的不是高低,是它们全都在 60%–80% 这个区间。这个区间说明技术已经过了「能不能做」的阶段,卡在「能不能稳定」的阶段。而从 80% 到 99% 的距离,通常比从 0 到 80% 更长。
五、给要复现这套链路的团队:五步清单

按公开信息能确认的五步,按顺序做,前两步不通过就别往下走。

第一步,确认许可边界。把三个仓库的 LICENSE 原文拉下来,逐条看有没有附加条款(有些项目的「开源」只覆盖研究用途)。同时确认你要做的产品形态是否属于「衍生作品」——改外骨骼结构属于,用它采数据训练模型通常不属于。

第二步,确认运动学对应。拿 XHAND 1 Pro-U 的 URDF,与你手上的外骨骼模型做关节轴、零位、连杆长度的逐项比对。这一步不做,后面所有数据都要重定向,等于白买了那只手。

第三步,标定腕部相机。白皮书提到外骨骼复现了腕部相机支架的位置。相机位姿一致是「看到的东西一致」的前提,而视觉输入不一致会直接毁掉后训练。这一步的具体流程**公开信息里没有**,得找供应商要。

第四步,任务设计成多步骤。单步抓取的数据价值很低——模型早就学会了。要采的是「开盖→倒→搅拌」这种带状态转移的流程,以及流程中断后的恢复动作。

第五步,验收用端到端成功率,不用单步成功率。前者是客户能感知的指标,后者只是中间量。这两者之间常常差 30 个百分点以上,拿单步指标报进度,最后会在客户现场翻车。

判断:这套链路真正的门槛不在硬件,在「你敢不敢把采集流程标准化」。同样 40 台手,有的团队三个月跑出上万条可用 episode,有的团队三个月还在调标定——差别不在预算,在有没有把上面五步写成 SOP 并严格执行。

最后一句提醒:这批手没有公开售价。对预算有限的团队,先算清楚「一条有效示范的综合成本」,再决定买几只。按人工遥操作的经验,一条几十秒的多步骤示范,从准备物体到清理现场,真实耗时常常是示范时长的十倍以上。手只是这条成本曲线里的一项。