放置蔬菜、拧螺丝、整理抽屉、双臂扫码……在 Amazon FAR团队联合斯坦福大学、加州大学圣迭戈分校开展的DexPort研究中,天机Marvin人形力控双臂将学习到的动作带到真实世界。
01
让机器人学会“动手”,需要多少经验?
拿起一颗番茄、转动一把螺丝刀、拉开抽屉放入物品,再或者双手配合完成扫码——这些对人类来说并不复杂的动作,对机器人却并不容易。机器人不仅要知道“物体在哪里”,还要学会如何靠近、如何抓取、如何调整姿势,以及如何让双手配合。而这些能力,离不开大量真实、有效的动作示范。
近日,Amazon FAR联合斯坦福大学、加州大学圣迭戈分校研究者提出DexPort数采方案。这项研究希望解决一个关键问题:如何更方便地采集人类的操作经验,并让机器人利用这些经验完成真实任务。
简单来说,DexPort尝试把“人怎样操作”记录成机器人能学习的数据。采集人员可以带着便携设备,在不同环境中演示任务;机器人学习后,再通过天机Marvin人形力控双臂配合灵巧手执行动作,检验究竟有没有学会。这样既方便采集更多真实场景中的示范,也让学习效果有了实际检验。
在这条从“数据采集”到“动作执行”的链路中,天机Marvin人形力控双臂承担了真实机器人部署与验证的重要角色。

02
DexPort的核心价值:让机器人学习数据更容易获得
过去,采集机器人操作数据往往离不开一整套机器人设备。采集场地和流程相对固定,数据规模与环境多样性也容易受到限制。
DexPort提供了一种更灵活的方式:研究者可以先通过便携设备完成动作示范,再将这些示范用于训练机器人。它正在尝试打通三个步骤:
更方便地采集经验——让机器人从经验中学习——把学到的动作交给真实机器人执行。
研究团队利用这一方式采集了超过2,600条动作示范,场景不仅包括实验室,也包括公寓和办公室。

这意味着,机器人学习不再只能依赖实验室里的标准环境,而有机会接触更加丰富的真实生活场景。
03
天机Marvin:把“学到的动作”真正做出来
数据采集和模型训练最终都要接受真实世界的检验。
在DexPort研究中,研究者将学习得到的动作策略部署到天机Marvin人形力控双臂平台上,由Marvin完成实际任务。
Marvin采用七自由度仿人手臂设计,具备全关节力感知与开放扩展能力,可以与不同的末端执行器、相机和算法系统进行集成。

如果说DexPort解决的是“怎样更高效地获得学习数据”,那么天机Marvin承担的就是另一个关键问题:
怎样把这些数据转化为看得见、落得地的真实动作?
以下四个真实场景,直观展示了Marvin在研究中的操作表现。
场景一:抓取并放置蔬菜
面对形状、大小各不相同的蔬菜,机器人需要完成靠近、抓取、移动和放置等连续动作。画面中,Marvin将学习到的动作策略转化为实际执行,完成不同物体的抓取与放置。这类能力是机器人进入分拣、整理、备餐等场景的重要基础。
场景二:稳定持握并旋转螺丝刀
拧螺丝看似简单,实际上要求机器人持续拿稳工具,并完成连续、协调的旋转动作。
场景三:一边持物,一边完成抽屉收纳
抽屉收纳需要多个动作连续配合:拿着物品、拉开抽屉、将物品放入,再完成关闭。
其中任何一个环节没有衔接好,都可能影响整个任务。
Marvin在这一场景中完成了从持物到抽屉操作的连续动作,展现了机器人处理多步骤任务的能力,也让人看到未来机器人参与家庭整理和物品归置的可能性。
场景四:双臂协作扫描条形码
双臂扫码是四个任务中最能体现Marvin人形力控双臂特点的场景。
机器人需要一只手握住物品,另一只手操作扫码设备,并让两者在合适的位置完成配合。相比单臂操作,它对双手之间的协调提出了更高要求。在这一场景中,Marvin不再只是执行一只手臂的动作,而是通过双臂协同完成一项完整任务。这也体现了人形力控双臂的价值:更加接近人类的工作方式,也更容易适配为人设计的工具与操作环境。
04
从科研成果到真实世界,关键是把动作做出来
DexPort为机器人数据采集提供了一种更灵活的思路,而Marvin则让这些数据和学习成果回到真实机器人平台,接受实际任务的检验。从便携采集到双臂执行,这项研究展示了一条清晰的链路:
让机器人获得更多经验,让经验转化为动作,再让动作服务于真实场景。
对于天机智能而言,Marvin参与这类前沿研究的意义,也不只是完成一次演示。它体现了Marvin作为人形力控双臂平台的前沿科研适配能力,以及连接算法、数据与真实操作的开放价值。
从便携式数据采集到真实机器人执行,DexPort研究所探索的,正是机器人学习(Robot Learning)领域的重要方向:如何让机器人从真实数据中学习,并将学习成果转化为实际操作能力。
项目主页: https://amberxie88.github.io/dexport/
论文: https://arxiv.org/abs/2610.32969
采集来源:Amazon FAR 发布 Dexport 数采方案 | 搭载天机 Marvin 双臂平台
2025年,人形机器人产业迎来爆发拐点。特斯拉Optimus量产在即,华为、宇树等企业加速技术突破,行业正从“实验室研发”向“规模化落地”跃迁为打通产业链上下游协作壁垒,艾邦机器人正式组建"人形机器人全产业链交流群",覆盖金属材料、复合材料、传感器、电机、减速器等全硬件环节,助力企业精准对接资源、共享前沿技术!
扫码关注公众号,底部菜单申请进群


