6 月 16 日，自变量机器人正式开源国内首个完整具身无本体数采软硬件一体化方案 XRZero-G0，打破行业数据采集贵、复用性差、有效率低的长期瓶颈。本次开源并非单一代码或数据集，而是完整开放全身无本体采集、自动质检、混合训练、真机评测全流程工具链，同步释放 2000 余小时、覆盖 3000 类实操任务的多模态数据集，配套 arXiv 官方技术论文，整套体系彻底撕开传统机器人数采的技术黑箱，宣告高价真机采集的行业阶段迎来终结。

长期以来，物理实操数据匮乏是制约具身智能规模化落地的核心桎梏。文本大模型可依托互联网海量免费文本素材训练，但机器人所需多模态交互轨迹数据，必须依托真机遥操作采集，行业长期陷入 “贵、脏、不可复用” 的不可能三角。传统真机采集模式设备投入、人力时间成本极高，单一轨迹采集周期长，且采集数据仅适配固定机器人本体，跨机型迁移极易失效，成为全行业通用模型迭代的最大阻碍。

XRZero-G0 采用 “人员穿戴设备实操、无需机器人在场” 的无本体采集路线，借鉴 UMI 采集思路并解决原有方案数据无法适配真机的核心缺陷，通过三层递进式质检漏斗，将采集数据转化为可直接用于机器人训练的标准化高质量素材，入库有效率突破 85%。第一层为三视角同步感知校验，采集人员佩戴 PICO VR 头显，头顶搭载全局相机、左右手腕分别挂载视觉采集设备，搭配背包式边缘计算单元完成多源时空对齐，整套系统定位精度控制在 4 毫米以内。三路相机完整覆盖双手操作区域，彻底解决单 / 双视角设备容易出现手部遮挡、轨迹漂移导致数据报废的问题，无论俯身、转身、大范围移动操作均可完整留存有效动作信息。第二层为虚拟限位逆运动学过滤，依托自动 IK 算法实时校验人体动作轨迹，自动筛除超出机器人关节运动极限、会造成电机过载损坏的不合理动作，从源头规避无效、危险动作样本混入数据集。第三层真机开环回放验证，经过前两层筛选的数据会随机抽取样本下发至真实双臂机器人复现，只有机器人能够完整无故障完成对应任务，该段轨迹数据才会正式入库，从根源消除人机动作空间不匹配带来的数据失效问题。

三层质检机制同步大幅提升采集效率，简单任务单条轨迹采集时长由 35 秒压缩至 15 秒，效率提升 2.33 倍；复杂任务采集速度提升 1.71 倍，系统峰值可实现每小时产出 93.2 条有效操作轨迹，采集效率远超传统真机遥操作模式。

除低成本采集方案外，XRZero-G0 完整给出人机混合训练最优配比，解决行业数据混合全靠经验调参的痛点。团队完成多组对照实验，分别测试纯 500 条真机数据、500 真机 + 500 无本体 1:1 配比、50 真机 + 500 无本体 1:10 配比三组方案，最终验证 10:1 配比下模型任务成功率持平甚至优于纯真机基线，依托 “少样本真机数据锚定物理规则、海量低成本人体视频扩充场景多样性” 的少样本物理锚定效应，可将整体数据采集成本压缩至传统真机方案的 1/20，大幅降低企业模型迭代的数据投入门槛。

依托这套混合数据训练的模型，天然具备极强环境鲁棒性与零样本跨本体迁移能力。采集过程中人员自由移动、变换工作台高度、光照环境自然变化，数据自带丰富场景扰动，不会出现传统真机采集对固定工位、固定本体过拟合的问题。实测中，基于混合数据训练的模型无需针对 EX001、CX001 两款陌生机器人补充微调数据，即可零样本部署，稳定完成插花、叠毛巾、分装食材等多类精细操作，大幅降低新机型适配的数据成本与周期。

自变量机器人选择全量开源 XRZero-G0 整套工具链与数据集，源于企业长期布局具身基础设施的技术战略。公司成立之初便锚定端到端具身大模型路线，同步布局 VLA、世界模型 WM、统一世界模型 WUM 三条技术路径，持续搭建 WALL-OSS、XRZero 系列数据基建工具，成立不到两年完成 9 轮融资，股东包含字节、美团、阿里、小米四家头部互联网大厂，企业估值突破百亿。

在行业普遍封闭数据、私有采集工具闭门研发的背景下，自变量选择开放全套数采体系，意在打通全行业数据增长飞轮。当高校实验室、中小创业团队、独立开发者均可低成本批量产出标准化高质量具身数据，整个行业的模型迭代速度将全面提速，而自变量持续完善的数据、模型、本体全栈基础设施生态，也将形成长期差异化竞争壁垒，加速具身智能行业从样机 Demo 比拼迈入规模化数据驱动新阶段。