أظهرت نماذج الرؤية واللغة والفعل (VLA) قدرة على التحكم بالروبوتات على مدى فترات طويلة وفقًا لتعليمات لغوية، لكن معظم الأنظمة الحالية محدودة باستخدام المُمسِكات فقط. ما زال التوسع في سياسات VLA لتطبيقات الروبوتات ذات اليدين (الروبوتات ثنائية الأيدي) التي تمتلك يدين ذكيتين ذات درجات حرية عالية (DoF) يشكل تحديًا كبيرًا، وذلك بسبب التوسع في فضاء الإجراءات، والتداخل المتكرر بين اليد والجسم، بالإضافة إلى التكلفة المرتفعة لجمع بيانات الروبوتات الحقيقية. نقدم في هذا العمل إطارًا شاملاً يجمع بين الأجهزة والنموذج والبيانات يُسمى GR-Dexter، لتمكين التحكم العام القائم على VLA في روبوت ثنائي الأيدي ذي يدين ذكيتين. يعتمد نهجنا على دمج تصميم يد روبوتية صغيرة بـ 21 درجة حرية، ونظام تلبيس يدوي ثنائي الأيدي سهل الاستخدام لجمع بيانات الروبوتات الحقيقية، بالإضافة إلى وصفة تدريبية تستخدم مسارات الحركة التي تم جمعها عبر التحكم عن بعد، إلى جانب مجموعات بيانات ضخمة للرؤية واللغة، وبيانات مُختارة بعناية من تجارب متعددة الأشكال (cross-embodiment). وقد أظهرت تقييمات واقعية لـ GR-Dexter أداءً قويًا في المهام اليومية الطويلة الأمد، وتمكّن من التمثيل العام لمهام رفع ووضع الأشياء، مع تحسين المرونة تجاه الأشياء والتعليمات غير المعروفة. نأمل أن يُمثّل GR-Dexter خطوة عملية نحو تحقيق التحكم العام في الروبوتات ذات الأيدي الذكية.