DexFlyWheel 是什么？自我迭代生成灵巧手训练数据的框架

DexFlyWheel 是一个为机器人灵巧手自动生成训练数据的框架，由北京大学、哈尔滨工业大学和灵初智能（PsiBot）的研究人员在 2025 年 9 月提出，论文标题是《DexFlyWheel：一个可扩展、自我改进的灵巧操作数据生成框架》。名字里的“飞轮”比喻的是一个越转越快、自我加速的循环。

灵巧手的数据难题

灵巧操作，也就是用多指的机器人手完成拧瓶盖、转笔、使用工具这类精细动作，对提升机器人在现实世界中的能力至关重要。但多样、高质量的灵巧操作数据非常稀缺。论文指出，现有的数据采集方法各有局限：要么依赖人类远程操控机器人一条条录制，成本高、速度慢；要么需要大量的人工工程设计；要么生成的数据多样性有限，限制了规模化和泛化能力。

飞轮怎么转

DexFlyWheel 从少量高效采集的种子示范出发，通过一个自我改进的循环，持续丰富数据的多样性。大致过程是：先用种子示范训练一个初始策略；在仿真环境中，通过模仿学习和强化学习的结合，让策略在新的物体、新的场景、新的条件下尝试完成任务；把成功的轨迹收集起来，经过数据增强扩充，加入数据集；再用更丰富的数据集训练更强的策略，进入下一轮循环。每转一圈，数据覆盖的物体和场景更多，策略更强，下一轮生成的数据质量也更高。

效果

论文报告，经过几轮迭代，生成数据的多样性大幅增加，用这些数据训练出的策略在没见过的物体和场景上，成功率明显高于基线方法，并且在真实机器人上也验证了效果。这类“数据飞轮”的思路，是缓解机器人领域数据瓶颈的重要方向：用少量人工示范撬动大量自动生成的数据。