在具身智能（Embodied AI）的浪潮中，如何让机器人像人一样灵活地处理复杂、多变的日常任务，是学术界与工业界的共同目标。字节跳动Seed团队近日发布的GR-Dexter技术报告，展示了一个集成了先进硬件、直观遥操作和大规模视觉-语言-动作（VLA）模型的通用操作框架。而在这一庞大系统中，Franka Research 3 (FR3) 机械臂不仅是整个系统的物理支柱，更是实现高精度、高动态响应灵巧操作的核心载体。
硬件协同：FR3与21自由度灵巧手的”合体操作
GR-Dexter系统采用了一套极具竞争力的双臂灵巧操作平台。其核心架构由两台Franka Research 3 (FR3)机械臂组成，每台机械臂末端集成了一只ByteDexter V2灵巧手。
FR3 的角色：宏观定位与动力支撑
FR3作为经典的7自由度协作机器人，以其高灵敏度的力反馈和开放的控制接口闻名。在 GR-Dexter 中，两台 FR3 构成了系统的“大臂”，负责在三维空间内进行大范围的位姿调整。
空间触达：FR3的7自由度设计确保了末端灵巧手能够以最优的角度进入受限空间（如抽屉内部、密集的桌面）。
力控优势：利用FR3内置的力传感器，系统能够实现精准的重力补偿和顺从控制，这对于保护脆弱的灵巧手硬件至关重要。
图1：展示GR-Dexter 的整体硬件设置。
56 自由度的复杂系统
单侧系统由“7 自由度FR3+21自由度灵巧手”组成，双侧总计拥有56个主动自由度。这种配置极大地扩张了机器人的动作空间（Action Space），使其不仅能完成简单的“抓取-放置”，更能完成如“捏起化妆刷”、“旋转盖子”等需要极高协调性的任务。
PART.02
遥操作：人类智慧向FR3的实时映射
为了训练复杂的VLA 模型，高质量的专家数据必不可少。GR-Dexter 开发了一套基于 VR 设备的直观遥操作界面，将 FR3 的潜力发挥到了极致。
实时动作重定位（Retargeting）
操作员穿戴Meta Quest VR 头显和 Manus 触觉手套。系统需要将人类的动作实时转化为 FR3 关节指令。
位姿对齐：系统将操作员的腕部位置映射为FR3 的末端执行器位姿。
避障与优化：为了防止FR3 在剧烈运动中发生自碰撞或超越运动限制，研究团队采用顺序二次规划（SQP）算法，在毫秒级时间内求解最优关节路径。
图2：遥操作系统的示意图。
PART.03
数据驱动：FR3的多模态学习进化
FR3的表现并非仅仅依靠预设程序，而是通过“数据金字塔”进行驱动。
FR3真实轨迹数据：团队利用遥操作采集了约20小时、包含各种复杂日常场景（如清理化妆台、吸尘）的高质量数据。
跨具身数据迁移（Cross-Embodiment）：这是报告的一大亮点。通过算法将其他机器人平台（如ALOHA或2自由度夹持器）的数据“重定位”到FR3平台上。
互联网级视觉语言数据：通过让模型学习人类视频，FR3获取了对物理世界（如“什么是杯子”、“如何推开门”）的常识性理解。
模型架构：驱动FR3的4B参数“大脑”
GR-Dexter采用了一个拥有40亿参数的VLA模型。该模型将四台摄像头（其中三台俯瞰FR3工作区，一台固定在FR3基座上方）捕获的视觉信息与语言指令相结合，实时输出FR3的关节动作。
动作空间的精细控制
模型输出的动作向量包含88维，其中：
14维用于控制两台FR3的关节角度。
12维用于控制FR3的末端位姿增量。
其余维数控制灵巧手的每一个手指关节。
这种深度集成的控制方式，使得FR3能够与灵巧手形成“手眼协同”，在感知到物体滑移时，FR3能够迅速做出位姿微调以稳固抓取。
图3：模型架构图。左侧输入多视角图像和指令，中间经过Transformer结构，右侧输出FR3关节和手部动作的Action Chunk。
PART.04
实战考核：FR3在复杂任务中的卓越表现
在真实世界测试中，基于FR3的GR-Dexter系统展现了惊人的泛化能力。
长程任务：清理化妆台
在这一任务中，FR3需要在凌乱的桌面中识别出化妆刷、调色盘，并逐一将其放入指定的收纳盒。实验结果显示，即使在面对未见过的（OOD）物体布局时，FR3 依然能保持近90%的成功率。
复杂工具使用：吸尘与协作
单臂任务：FR3驱动灵巧手抓握吸尘器，并精准地用拇指按下开关，随后在桌面进行往复式清扫。
双臂协作：一台FR3稳稳托住托盘，另一台 FR3使用夹子将面包精准地放置到托盘中心。这种高动态的力学交互充分证明了FR3在负载平衡与同步控制上的优异性能。
图4：一系列任务演示拼图。包括FR3抓取吸尘器、FR3整理化妆品、以及双臂协作分发面包的实拍图。
结语：
GR-Dexter框架证明了，依托于Franka Research 3机械臂这一成熟的科研平台，结合高自由度的自主研发灵巧手和多源数据共同训练的VLA模型，机器人可以实现从简单的夹持向人类级灵巧操作的跨越 。
FR3机械臂在这一过程中不仅提供了基础的运动能力，更通过其高精度的控制接口和力反馈特性，成为了连接AI算法与物理世界的高效纽带。
项目链接：https://byte-dexter.github.io/gr-dexter/
原论文：https://arxiv.org/abs/2512.24210
