Dexbotic开源！具身智能VLA平台性能突破，机器人叠盘子100%成功

Dexbotic开源！具身智能VLA平台性能突破，机器人叠盘子100%成功

【新智元导读】Dexbotic这个开源的VLA一站式平台，让机器人性能大幅提升，UR5e真机实现100%成功率，在五大仿真环境性能提升达46%，还支持RTX 4090训练！为具身智能研究提供了新的底座。

当前具身智能核心是视觉—语言—动作（VLA）模型，VLA是关键。但随着技术发展，面临框架分散、流程繁琐等挑战。Dexbotic作为统一平台，解决了这些问题。

Dexmal原力灵机重磅开源的Dexbotic，构建了「VLA统一平台」。作为具身智能VLA模型一站式科研服务平台，为VLA科研提供基础设施，加速研究效率。官网：https://dexbotic.com / Paper：https://dexbotic.com/dexbotic_tech_report.pdf / GitHub：https://github.com/Dexmal/dexbotic / Hugging Face：https://huggingface.co/collections/Dexmal/dexbotic-68f20493f6808a776bfc9fc4

• 在SimperEnv中：Dexbotic使UR5e机器人实现100%成功率，性能提升高达46.2%，极大提升操控稳定性与泛化性。
• CALVIN环境中：预训练模型使模型在长周期任务中更稳健，多指令串行任务表现提升，平均任务长度增加。
• ManiSkill2中：Dexbotic版本在多项任务上显著优于原版，OFT策略提升幅度达42%，增强3D感知与空间推理能力。
• RoboTwin2.0中：在多任务测试中提升显著，「放置空杯子」任务提升近3倍（11%到30%），改进仿真到现实转换。
• LIBERO基准中：不同任务套件均获性能提升，DB-CogACT在四项任务套件中平均成功率提高1.3个百分点。

在真实场景测试中，Dexbotic在摆放盘子等任务中实现100%成功，实用性进一步增强。

Dexmal还推出开源硬件DOS-W1，采用完全开源设计，降低机器人使用门槛与改造便利性，同时支持云端与本地训练方案，统一训练数据格式，方便部署。

Dexbotic架构包含数据层、模型层、实验层，数据统一格式整合多源数据，模型层提供统一模块化VLA框架与预训练模型，实验层以实验为中心支持快速迭代，解决VLA技术碎片化问题。

Dexbotic对比其他开源工具，在模型、数据格式、开发范式等方面有提升，推动机器人研究标准化，与LeRobot等共同丰富生态，为具身智能发展贡献力量。

10月23日晚19:00，Dexmal原力灵机创始团队成员汪天才将现身直播间，讲解开源一站式VLA工具箱Dexbotic，欢迎预约观看交流。