【導(dǎo)讀】為解決具身智能研發(fā)“重復(fù)造輪子”的困境，Dexmal原力靈機(jī)正式開源一站式VLA工具箱Dexbotic，致力于成為推動(dòng)領(lǐng)域創(chuàng)新與協(xié)作的標(biāo)準(zhǔn)化基建。

作者 | 小葳

在具身智能浪潮奔涌的今天，視覺-語言-動(dòng)作模型（VLA）已成為實(shí)現(xiàn)機(jī)器人感知、認(rèn)知與行動(dòng)一體化的關(guān)鍵技術(shù)。然而，該領(lǐng)域研究長(zhǎng)期面臨算法框架分散、流程不統(tǒng)一、實(shí)驗(yàn)復(fù)現(xiàn)困難等痛點(diǎn)，導(dǎo)致研發(fā)人員大量精力耗費(fèi)在“重復(fù)造輪子”上，嚴(yán)重阻礙了技術(shù)迭代與產(chǎn)業(yè)落地。

為應(yīng)對(duì)這一行業(yè)挑戰(zhàn)，Dexmal原力靈機(jī)正式推出基于PyTorch的開源VLA模型工具箱Dexbotic。它以“代碼庫 + 預(yù)訓(xùn)練模型”為雙引擎，構(gòu)建起標(biāo)準(zhǔn)化的研發(fā)基座，通過“以實(shí)驗(yàn)為中心”的設(shè)計(jì)理念，推動(dòng)具身智能研發(fā)從零散探索走向生態(tài)協(xié)作。

直擊具身智能研發(fā)四大痛點(diǎn)

根據(jù)《2025人形機(jī)器人與具身智能產(chǎn)業(yè)研究報(bào)告》數(shù)據(jù)，2025年，全球具身智能市場(chǎng)規(guī)模預(yù)計(jì)達(dá)195.25億元，2030年預(yù)計(jì)達(dá)2326.3億元，復(fù)合年增長(zhǎng)率達(dá)64.18%。

然而行業(yè)繁榮的背后，是研發(fā)路徑中的重重困境。具體而言，具身智能研發(fā)面臨以下四大痛點(diǎn)：

1. 技術(shù)研發(fā)分散化，缺乏統(tǒng)一標(biāo)準(zhǔn)

研究人員基于不同的深度學(xué)習(xí)框架與模型結(jié)構(gòu)各自為戰(zhàn)，形成“碎片化”開發(fā)生態(tài)。硬件接口、通信協(xié)議、數(shù)據(jù)格式缺乏統(tǒng)一規(guī)范，很多開發(fā)者需要從零搭建基礎(chǔ)設(shè)施，同時(shí)技術(shù)路線碎片化嚴(yán)重制約產(chǎn)業(yè)生態(tài)協(xié)同發(fā)展。

2. 實(shí)驗(yàn)流程繁瑣，評(píng)測(cè)對(duì)比困難

由于算法依賴不同的環(huán)境配置與數(shù)據(jù)格式，研究人員在對(duì)比模型性能時(shí)，需反復(fù)搭建多套實(shí)驗(yàn)流程，耗費(fèi)大量人力與算力。更嚴(yán)峻的是，數(shù)據(jù)格式不統(tǒng)一也導(dǎo)致跨數(shù)據(jù)集任務(wù)邏輯難以銜接，加劇了數(shù)據(jù)整合與實(shí)驗(yàn)復(fù)現(xiàn)的難度。

3. 算法復(fù)現(xiàn)公平性難以保證

在現(xiàn)有模式下，很難確保每一個(gè)對(duì)比算法都被調(diào)至最優(yōu)狀態(tài)，影響技術(shù)路線的客觀判斷與有效迭代。

4. VLA模型未能充分受益于前沿進(jìn)展

不少VLA模型仍基于過時(shí)、不同期的視覺-語言模型（VLM）構(gòu)建，難以吸收VLM在語義理解、多模態(tài)對(duì)齊等方面的最新突破。這導(dǎo)致VLA模型在開放世界的泛化能力和推理性能受限，無法與前沿技術(shù)同步。

此外，隨著具身智能加速走進(jìn)現(xiàn)實(shí)世界，研究者需要同步在主流仿真器+真機(jī)上測(cè)試從而實(shí)現(xiàn)巨大增益，這對(duì)現(xiàn)有研發(fā)模式提出更大挑戰(zhàn)。

正是洞察到以上行業(yè)瓶頸，開源VLA工具箱Dexbotic應(yīng)運(yùn)而生。其核心設(shè)計(jì)理念在于通過“代碼庫+預(yù)訓(xùn)練模型”雙引擎，通過模塊化設(shè)計(jì)與實(shí)驗(yàn)為中心的工作流，致力于打造具身智能研究的“通用底座”。從而將開發(fā)者從繁瑣的環(huán)境配置與算法復(fù)現(xiàn)中解放出來，使其更專注于模型調(diào)優(yōu)與算法創(chuàng)新。

Dexbotic：重塑具身智能研發(fā)流程

在具身智能研發(fā)日益復(fù)雜、工具鏈分散的背景下，Dexbotic致力于打造一套標(biāo)準(zhǔn)化、模塊化、高性能的一站式開發(fā)解決方案。

• 三大核心模塊：構(gòu)建統(tǒng)一研發(fā)基座

Dexbotic 的整體架構(gòu)圍繞三大層級(jí)展開，分別對(duì)應(yīng)數(shù)據(jù)處理、模型構(gòu)建與實(shí)驗(yàn)管理，形成閉環(huán)研發(fā)鏈路：

數(shù)據(jù)層定義Dexdata統(tǒng)一數(shù)據(jù)格式，整合多源異構(gòu)數(shù)據(jù)，顯著優(yōu)化存儲(chǔ)效率。數(shù)據(jù)層采用Dexdata統(tǒng)一格式來融合多源數(shù)據(jù)并優(yōu)化存儲(chǔ)；符合該格式的數(shù)據(jù)將自動(dòng)進(jìn)入處理流程，為模型訓(xùn)練提取出圖像、文本及狀態(tài)信息。

模型層以DexboticVLM基礎(chǔ)模型為核心，支撐多樣化VLA策略的開發(fā)。它既可直接用于離散VLA訓(xùn)練，也能作為現(xiàn)有策略的基座；當(dāng)前已集成Pi0、OpenVLA-OFT等多種策略，并支持用戶便捷地自定義新模型。

實(shí)驗(yàn)層是Dexbotic的核心，它基于模型層的VLA實(shí)現(xiàn)，通過創(chuàng)新的實(shí)驗(yàn)?zāi)_本機(jī)制，使用戶僅需修改少量配置即可快速啟動(dòng)新實(shí)驗(yàn)，從而在保障系統(tǒng)穩(wěn)定的前提下實(shí)現(xiàn)高效迭代。

Dexbotic整體架構(gòu)

• 五大特征：從開發(fā)到部署的全鏈路支持

Dexbotic 具備五大核心優(yōu)勢(shì)，構(gòu)建從開發(fā)到部署的完整機(jī)器人智能體支持體系。相比現(xiàn)有開源方案，其在框架設(shè)計(jì)、模型性能、實(shí)驗(yàn)效率、訓(xùn)練兼容性與落地能力方面表現(xiàn)突出：

1. 統(tǒng)一的模塊化VLA框架

以視覺語言動(dòng)作模型為核心，兼容主流大語言模型接口，集成具身操作與導(dǎo)航模塊，并預(yù)留擴(kuò)展能力，為未來實(shí)現(xiàn)全身控制等復(fù)雜任務(wù)場(chǎng)景奠定架構(gòu)基礎(chǔ)。

2. 高性能預(yù)訓(xùn)練基礎(chǔ)模型

針對(duì)Pi0、CogACT等主流算法，提供多個(gè)在仿真與真實(shí)任務(wù)中表現(xiàn)更優(yōu)的預(yù)訓(xùn)練模型。這些模型為用戶提供了更高的起點(diǎn)與可靠的性能基準(zhǔn)，有效降低訓(xùn)練成本。

3. 實(shí)驗(yàn)導(dǎo)向型開發(fā)框架

采用“分層配置 + 工廠注冊(cè) + 入口分發(fā)”的系統(tǒng)架構(gòu)，符合軟件開閉原則，在保障系統(tǒng)穩(wěn)定的同時(shí)，賦予框架高度靈活性，支持用戶快速切換任務(wù)、模型與參數(shù)，實(shí)現(xiàn)高效實(shí)驗(yàn)迭代。

4. 云端與本地一體化訓(xùn)練

全面適配多樣化研發(fā)環(huán)境，既支持阿里云、火山引擎等云平臺(tái)的大規(guī)模分布式訓(xùn)練，也能在搭載RTX 4090等消費(fèi)級(jí)顯卡的本地機(jī)器上高效運(yùn)行，為用戶提供靈活的資源選擇。

5. 全鏈路訓(xùn)練與部署支持

針對(duì)UR5、Franka、ALOHA等主流機(jī)器人平臺(tái)，提供標(biāo)準(zhǔn)化的數(shù)據(jù)接口與通用部署腳本，覆蓋從仿真驗(yàn)證到真實(shí)機(jī)器人無縫落地的完整流程，打通研發(fā)測(cè)試“最后一公里”。

此外，相較于 LeRobot 基于 YAML 配置的傳統(tǒng)方式，Dexbotic 進(jìn)一步采用了基于 Python Exp 腳本的實(shí)驗(yàn)配置機(jī)制。這種方式不僅更貼近開發(fā)者的編程習(xí)慣，也使得參數(shù)調(diào)試、實(shí)驗(yàn)復(fù)現(xiàn)和版本管理更加直觀高效。

為加速機(jī)器人技術(shù)在真實(shí)物理世界的落地與應(yīng)用，Dexmal 原力靈機(jī)還發(fā)布其首款開源硬件產(chǎn)品——Dexbotic Open Source - W1 (DOS-W1)。

該產(chǎn)品秉承完全開源的理念，將公開所有技術(shù)文檔、BOM清單、設(shè)計(jì)圖紙、組裝方案及相關(guān)代碼。設(shè)計(jì)上大量采用快拆結(jié)構(gòu)與可替換模塊，大幅提升了改造與維護(hù)的便捷性。同時(shí)，其符合人體工學(xué)的抗疲勞設(shè)計(jì)，也有效改善了操作舒適度與數(shù)據(jù)采集效率。

從模擬到現(xiàn)實(shí)：Dexbotic 大幅提升預(yù)訓(xùn)練模型綜合性能

Dexbotic 通過增強(qiáng)模型表征與優(yōu)化訓(xùn)練流程，在多個(gè)主流模擬基準(zhǔn)與真實(shí)場(chǎng)景中均展現(xiàn)出顯著性能提升，驗(yàn)證了其出色的適應(yīng)性與泛化能力。

在SimplerEnv、CALVIN、RoboTwin2.0、Libero、ManiSkill2等多項(xiàng)模擬基準(zhǔn)測(cè)試中，Dexbotic 均展示出強(qiáng)大的表征能力。

以 SimplerEnv 為例，實(shí)驗(yàn)顯示在使用 Dexbotic 工具集后，DB-CogACT 模型相較原版 CogACT 性能提升 18.2%；與官方 OpenVLA-OFT 相比，DB-OFT 性能提升達(dá) 46.2%，充分說明 Dexbotic 預(yù)訓(xùn)練模型具備更強(qiáng)的任務(wù)理解與完成表現(xiàn)。

SimplerEnv-Bridge 與 WidowX 機(jī)器人在最新策略和 Dexbotic 版本之間的性能比較

在涵蓋50項(xiàng)雙臂任務(wù)的 RoboTwin2.0 基準(zhǔn)測(cè)試中，Dexbotic 同樣表現(xiàn)優(yōu)異。通過選取“調(diào)整瓶子”“抓取滾輪”“放置空杯”和“放置手機(jī)支架”四項(xiàng)任務(wù)進(jìn)行對(duì)比，CogACT 的平均成功率為 43.75%，而 DB-CogACT 提升至 57.00%，絕對(duì)增益達(dá) 13%，進(jìn)一步證明 Dexbotic 在復(fù)雜雙臂操作中的有效性。

RoboTwin2.0 中四項(xiàng)任務(wù)中最新策略與其 Dexbotic 版本之間的性能比較

Libero基準(zhǔn)包含四大任務(wù)套件，覆蓋空間理解與目標(biāo)導(dǎo)向行為等高階能力。在該測(cè)試中，主流VLA策略性能已接近飽和。然而，引入 Dexbotic 預(yù)訓(xùn)練模型后，如 CogACT 與 MemoryVLA 等策略仍能實(shí)現(xiàn)性能突破，DB-CogACT 在四個(gè)任務(wù)套件上的平均成功率較基線提升 1.3%，體現(xiàn)出 Dexbotic 在成熟模型性能方面的優(yōu)化潛力。

Libero 上最先進(jìn)的策略與其 Dexbotic 版本之間的性能比較

為驗(yàn)證模型在真實(shí)環(huán)境中的表現(xiàn)，研究人員在 UR5e、ALOHA、ARX5 和 Franka 等多種機(jī)器人平臺(tái)上，通過遠(yuǎn)程操作收集了涵蓋日常任務(wù)的真實(shí)數(shù)據(jù)。每個(gè)任務(wù)根據(jù)難度收集 500–1000 條演示，并統(tǒng)一轉(zhuǎn)換為 Dexdata 格式，用于基于預(yù)訓(xùn)練模型的微調(diào)。

實(shí)驗(yàn)結(jié)果表明，Dexbotic 能夠穩(wěn)定完成多種日常操作任務(wù)。例如，在“擺放盤子”和“搜索綠盒子”任務(wù)中，成功率分別達(dá)到 100% 與 80%；在“撕碎廢紙”和“將薯?xiàng)l倒入盤子”等需要細(xì)粒度操作的任務(wù)中，也展現(xiàn)出良好的控制精度與魯棒性。

擺放盤子真機(jī)測(cè)試（4倍速）

倒薯?xiàng)l真機(jī)測(cè)試（2倍速）

綜上，Dexbotic 不僅在模擬測(cè)試中顯著提升多項(xiàng)基線模型的性能，在真機(jī)環(huán)境和復(fù)雜任務(wù)中也表現(xiàn)出優(yōu)異的泛化能力與實(shí)操穩(wěn)定性，充分證明其作為預(yù)訓(xùn)練增強(qiáng)框架的價(jià)值與廣泛適用前景。

協(xié)同共贏：共建具身智能開放生態(tài)

Dexbotic的發(fā)布，標(biāo)志著具身智能研發(fā)從“分散探索”走向“基礎(chǔ)設(shè)施驅(qū)動(dòng)”的關(guān)鍵轉(zhuǎn)折。它致力于構(gòu)建統(tǒng)一、開放、可復(fù)現(xiàn)的研發(fā)基座，重塑從學(xué)術(shù)創(chuàng)新到產(chǎn)業(yè)落地的全鏈路協(xié)作方式，推動(dòng)領(lǐng)域?qū)崿F(xiàn)規(guī)?；l(fā)展。

一、建立標(biāo)準(zhǔn)：從“各自為戰(zhàn)”到“統(tǒng)一基建”

Dexbotic通過標(biāo)準(zhǔn)化框架與高性能預(yù)訓(xùn)練模型，為創(chuàng)業(yè)團(tuán)隊(duì)與中小廠商提供了可媲美大廠的研發(fā)起點(diǎn)，顯著降低技術(shù)門檻與試錯(cuò)成本。在具身智能這一萬億級(jí)賽道中，此類開源基礎(chǔ)設(shè)施的戰(zhàn)略意義尤為凸顯——它使創(chuàng)新重心從“重復(fù)造輪子”回歸至算法突破與場(chǎng)景深化。

二、賦能產(chǎn)業(yè)：從“技術(shù)黑盒”到“可信評(píng)估”

在落地層面，Dexbotic為企業(yè)與投資機(jī)構(gòu)提供了跨模型可比的評(píng)估體系，能夠系統(tǒng)化衡量算法在魯棒性、泛化能力與執(zhí)行效率等方面的表現(xiàn)。這為技術(shù)選型、產(chǎn)品規(guī)劃與投資決策提供了客觀、透明的依據(jù)，有效降低因技術(shù)不透明所帶來的風(fēng)險(xiǎn)，推動(dòng)行業(yè)從“封閉優(yōu)化”走向“開放競(jìng)爭(zhēng)”。

三、生態(tài)閉環(huán)：從“工具開源”到“共同體共建”

Dexbotic不僅僅是開源工具，更構(gòu)建了一個(gè)連接全球開發(fā)者與機(jī)構(gòu)的協(xié)同網(wǎng)絡(luò)。其開源機(jī)制將吸引頂尖團(tuán)隊(duì)共同參與，圍繞具身智能的核心挑戰(zhàn)展開協(xié)作，形成技術(shù)共研、成果共享的良性生態(tài)。

更具戰(zhàn)略價(jià)值的是，Dexbotic與全球首個(gè)基于真機(jī)的具身智能評(píng)測(cè)平臺(tái)RoboChallenge形成深度協(xié)同。研究者基于Dexbotic開發(fā)的模型，可在RoboChallenge這一全球性真實(shí)機(jī)器人測(cè)試平臺(tái)上進(jìn)行公平、透明的性能驗(yàn)證，從基礎(chǔ)設(shè)施層面構(gòu)建從“開發(fā)-訓(xùn)練-評(píng)測(cè)”的完整技術(shù)閉環(huán)。

結(jié)語：基礎(chǔ)設(shè)施推動(dòng)研發(fā)范式轉(zhuǎn)移

Dexbotic的推出，是具身智能從技術(shù)探索走向規(guī)?；虡I(yè)落地的關(guān)鍵節(jié)點(diǎn)。它通過構(gòu)建標(biāo)準(zhǔn)、開放、高效的研發(fā)體系，讓全球研究者站在同一起跑線，推動(dòng)領(lǐng)域從“重復(fù)造輪子”走向“協(xié)同創(chuàng)新”。

當(dāng)工具不再成為障礙，當(dāng)評(píng)測(cè)有了共同標(biāo)尺，創(chuàng)新才能真正跨越實(shí)驗(yàn)室，走向千行百業(yè)。Dexbotic正是這一場(chǎng)“協(xié)同革命”的基石，它不只是一個(gè)工具箱，更是推動(dòng)領(lǐng)域協(xié)作、加速行業(yè)共進(jìn)的關(guān)鍵引擎。