过往主流VLA系统，要么聚焦双臂低自由度夹爪控制，要么专攻单臂高自由度灵巧手操作，始终无法兼顾双臂协同与精细手指动作的双重需求。 近日，首个原生面向双臂双高自由度（36自由度）灵巧操作的开源VLA模型：Dexora，打破此前VLA的形态壁垒，为通用灵巧机器人的落地提供了全新范式。 高自由度灵巧操作的核心前提，是精准、可规模化的数据采集。Dexora摒弃单一遥操作方案，打造“外骨骼+VR”混合遥操作系统，同时驱动物理机器人与MuJoCo数字孪生，从根源解决数据采集的精度与规模难题。 定制外骨骼背包捕捉机械臂整体运动（无漂移、低延迟），Apple Vision Pro实现无标记手指追踪，兼顾手臂大范围移动的稳定性与手指精细动作的灵活性。 最终构建的数据集包含10万条仿真轨迹（650万。、1万条真实遥操作轨迹（292万。，覆盖30类仿真物体、17类真实物体，兼顾基础抓取与精细灵巧任务。 Dexora基于数据质量感知的端到端VLA架构，通过扩散Transformer生成动作，搭配离线质量判别器过滤噪声数据，解决遥操作数据质量参差不齐、高维动作训练不稳定的行业痛点。 判别器以冻结的预训练策略为基准，预测轨迹质量得分（0-1），训练时将得分转化为权重，高质量轨迹权重高、低质量轨迹权重低，公式简化为： 实验结果显示，Dexora在基础任务、灵巧任务、跨形态泛化三大维度均实现突破，验证了双臂双高自由度设计与质量感知训练的有效性。 平均成功率66.7%，较最优基线GR00T N1（51.7%）提升15个百分点，尤其在拧瓶盖、精细面团操作等需要双手配合+多指调控的任务中，基线几乎失效，Dexora仍能稳定完成。 二是跨形态迁移，36自由度模型可直接适配单臂夹爪、双臂夹爪、单臂低自由度手，无需重新训练，仅需适配动作维度，打破VLA的形态依赖。 Dexora是首个原生双臂双高自由度VLA，证明高自由度模型可向下兼容低自由度设备，为通用机器人提供“高维训练、低维部署”新思路。 未来，若能融合触觉反馈、强化长时序推理，Dexora有望进一步缩小与人类操作的差距，推动通用灵巧机器人从实验室走向实际应用。