當前，具身智能正處在從實驗室演示邁向規(guī)模化商用的關(guān)鍵轉(zhuǎn)折點。

據(jù)不完全統(tǒng)計，僅2025年前7個月，我國具身智能領(lǐng)域就已發(fā)生投融資事件108起，公開融資規(guī)模超過271億元，數(shù)量和金額均超過2024年全年。人形機器人作為具身智能的重要載體，其產(chǎn)業(yè)規(guī)模被普遍認為有望超越新能源汽車。

然而，在資本與熱度背后，整個領(lǐng)域正面臨標準化缺失帶來的發(fā)展瓶頸：各大研究機構(gòu)各自為戰(zhàn)，技術(shù)路線分散、實驗難以復現(xiàn)、工程效率低下，形成了一座座“技術(shù)巴別塔”。

學術(shù)界雖已涌現(xiàn)Pi0、OpenVLA、CogACT等代表性模型，產(chǎn)業(yè)界也在持續(xù)推動機器人實現(xiàn)“聽得懂、看得懂、做得對”，但不同團隊采用的框架、基座與接口各不相同，導致研究成果難以橫向?qū)Ρ龋I(yè)落地也缺乏統(tǒng)一的技術(shù)底座。

這樣的背景下，Dexmal原力靈機在2025年推出了一站式視覺－語言－動作（VLA）開源工具箱——Dexbotic。

它以“實驗為中心”為核心設(shè)計理念，結(jié)合跨模態(tài)預(yù)訓練模型DexboticVLM與配套開源硬件DOS-W1，構(gòu)建出一個軟硬件協(xié)同的具身智能基礎(chǔ)設(shè)施。Dexbotic不只是一個模型框架，更像是具身智能領(lǐng)域的底層系統(tǒng)，為研究者和工程團隊提供了可復現(xiàn)、可擴展、可落地的統(tǒng)一底座，幫助行業(yè)擺脫重復造輪子的困境。

那么，現(xiàn)在的具身智能行業(yè)面臨著哪些挑戰(zhàn)？為什么一個像Dexbotic一樣的VLA模型工具箱如此不可或缺？

在過去幾年里，具身智正在成為人工智能領(lǐng)域最具潛力的研究方向。

從RT-2到OpenVLA，再到Pi0，越來越多的研究試圖讓機器人同時“看得懂”“聽得懂”“做得到”。

然而，隨著研究不斷深入，一個根本性挑戰(zhàn)浮出水面：VLA領(lǐng)域正陷入一場巴別塔困境，它的復雜度不僅在算法，更在實驗體系的割裂與工程鏈條的低效。就像神話故事中那座因語言混亂而永遠未能建成的高塔，當前VLA研究雖目標一致，卻因技術(shù)路線、開發(fā)框架和評估標準的割裂，導致整個領(lǐng)域難以形成合力、構(gòu)建起統(tǒng)一的技術(shù)大廈。

盡管論文數(shù)量與模型規(guī)模迅速增長，VLA研究卻陷入了結(jié)構(gòu)性割裂。每個團隊都有自己的模型結(jié)構(gòu)、訓練管線和數(shù)據(jù)格式，有的用JAX，有的用TensorFlow，大部分轉(zhuǎn)向PyTorch。看似同一個任務(wù)，模型結(jié)構(gòu)和接口等底層實現(xiàn)卻完全不兼容，復現(xiàn)一個實驗往往要從零搭建環(huán)境。

這種割裂直接拖慢了研究進程。進行算法對比評測時，研究人員需要為每一種不同的VLA策略配置多份獨立的實驗環(huán)境、適配不同的數(shù)據(jù)格式，并手動調(diào)整復雜的參數(shù)配置文件。大量時間被耗費在“配環(huán)境”和“跑通代碼”上，而非算法創(chuàng)新本身。結(jié)果就是，實驗難以復現(xiàn)、性能無法公平比較，模型迭代也遠遠落后于基礎(chǔ)大模型的進步節(jié)奏。

并且，大多數(shù)現(xiàn)有的VLA模型往往基于過時、不同時期的VLM核心進行構(gòu)建。它們無法快速集成最新的、性能更強大的大型語言模型，導致VLA模型的感知和語言理解能力無法與前沿LLM發(fā)展保持同步，從而限制了機器人處理復雜、泛化任務(wù)的能力。

碎片化的巴別塔困境不僅讓具身智能研究陷入效率困境，也讓產(chǎn)業(yè)界望而卻步。機器人廠商想應(yīng)用VLA，卻發(fā)現(xiàn)不同模型難以遷移；高校和研究機構(gòu)想復現(xiàn)論文，卻要從頭搭建環(huán)境。整個領(lǐng)域像在并行造輪子，進展雖快，卻缺少一條能讓研究成果持續(xù)疊加的公共底座。

在這樣的背景下，學界與產(chǎn)業(yè)界逐漸認識到：具身智能的下一階段突破，將由開源體系所驅(qū)動。產(chǎn)業(yè)迫切需要一套統(tǒng)一、開放、可復現(xiàn)的框架，使VLA研究能像大語言模型一樣實現(xiàn)標準化與模塊化。

換言之，當前領(lǐng)域最迫切需要的不是又一個模型，而是一個能終結(jié)巴別塔困境的開源基礎(chǔ)設(shè)施——一個能讓實驗、代碼、數(shù)據(jù)與模型高效循環(huán)的開放體系，以此凝聚社區(qū)力量，引領(lǐng)具身智能的協(xié)同演進。

在這樣一個割裂的研究生態(tài)中，Dexbotic的出現(xiàn)顯得格外及時。

2025年，Dexmal原力靈機推出了Dexbotic，一整套基于PyTorch的開源VLA模型工具箱，試圖解決具身智能發(fā)展道路上的系統(tǒng)性瓶頸。

首先，一個強大統(tǒng)一的底座讓VLA領(lǐng)域的快速復現(xiàn)、公平比較成為可能。

Dexbotic的核心設(shè)計理念是統(tǒng)一。它將所有VLA方法重新抽象為兩大模塊：視覺語言模型（VLM）與動作專家（ActionExpert）。VLM由視覺編碼器、投影層和大語言模型組成，用于理解視覺與指令信息；ActionExpert則負責將這些信息轉(zhuǎn)化為具體動作，無論是DiffusionTransformer、MLP還是MoE，都可以在同一接口下實現(xiàn)。

這種架構(gòu)實現(xiàn)了VLA在結(jié)構(gòu)層面的標準化：不同團隊、不同算法、不同機器人不再割裂，而能在同一框架中被復現(xiàn)、比較和擴展。

并且，Dexbotic不僅提供框架，還自帶了強大的預(yù)訓練模型基座。團隊自研的DexboticVLM采用CLIP作為視覺編碼器，結(jié)合Qwen2.5語言模型，并通過跨模態(tài)對齊預(yù)訓練，讓模型在理解視覺信息與語言指令的關(guān)聯(lián)上更為精準。與以往基于LLaMA2的方案相比，它在感知和語言理解能力上都有顯著提升。以 SimplerEnv-Bridge基準測試為例，Dexbotic版本的CogACT(DB-CogACT)的平均成功率絕對值超越了官方CogACT 18.2% ，而DB-OFT的平均成功率則絕對提升了46.2% ，充分展示了Dexbotic預(yù)訓練模型的強大性能。

在系統(tǒng)設(shè)計上，Dexbotic的強大性能遠不止軟件層面。它支持多構(gòu)型本體（multi-configuration embodiment），能夠在單臂、雙臂、移動操作平臺乃至全身控制任務(wù)間無縫切換。無論是humanoid機器人、倉儲機械臂，還是服務(wù)類機器人，都可以在同一架構(gòu)下共享訓練邏輯與模型能力，使具身智能的研究從單一平臺走向多樣形態(tài)的協(xié)同發(fā)展。

其次，如果說統(tǒng)一架構(gòu)解決了“能否運行”的問題，那么Dexbotic引入的“以實驗為中心”的開發(fā)范式，則進一步解決了“能否高效運行”的挑戰(zhàn)。

作為對LeRobot等機器人學習框架的升級，Dexbotic進一步優(yōu)化了實驗定義流程。Dexbotic通過Python腳本定義實驗，用戶只需繼承基礎(chǔ)實驗?zāi)０澹╞aseExp），修改少量字段，即可構(gòu)建新的實驗流程。這讓整個開發(fā)過程從調(diào)配置變成了寫邏輯，更貼近研究者的思維習慣，讓VLA研究回歸實驗本質(zhì)。

架構(gòu)上，Dexbotic分為三層：數(shù)據(jù)層、模型層與實驗層。

數(shù)據(jù)層負責整合和標準化多構(gòu)型本體的數(shù)據(jù)，將來自不同機器人平臺的原始信息統(tǒng)一轉(zhuǎn)化為Dexdata格式。這一格式兼容UR5、Franka、ALOHA等多種真實機器人及多視角輸入，使得不同實驗之間的數(shù)據(jù)能夠無縫互通；模型層匯聚了包括Pi0、MemoryVLA在內(nèi)的多種主流VLA算法，為研究者提供標準化的實現(xiàn)和統(tǒng)一的接口，方便在同一框架下進行復現(xiàn)、比較與擴展，而實驗層則是整個系統(tǒng)的中樞，承擔快速開發(fā)與部署的功能。它既支持在阿里云與火山引擎等云平臺上運行，也能在消費級顯卡上完成訓練與測試，確保模型能夠在各類主流仿真環(huán)境及真實機器人上穩(wěn)定落地。

基于這一架構(gòu)，Dexbotic將VLA的開發(fā)周期從月、周級別縮短至天級別。研究者不再需要重復搭建環(huán)境，僅需幾行腳本即可完成實驗驗證、模型微調(diào)與性能比對。

值得注意的是，Dexbotic在設(shè)計之初就為未來的“全身智能”接口預(yù)留了接口。它已經(jīng)實現(xiàn)了操控與導航的統(tǒng)一，并為全身控制下拓展空間。這意味著，機器人未來不僅能伸手，還能走過去伸手；不僅能理解任務(wù)，還能自主規(guī)劃執(zhí)行路徑。

為了讓這一具身智能的研究底座真正連接物理世界，Dexmal原力靈機也同步推出了首款開源硬件產(chǎn)品——Dexbotic Open Source - W1（DOS-W1）。

這款硬件采用全面開源的設(shè)計理念，計劃公開包括技術(shù)文檔、物料清單、結(jié)構(gòu)圖紙、組裝指南及核心代碼在內(nèi)的所有資料。模塊化的快拆結(jié)構(gòu)與可替換部件大幅降低了實驗搭建與維護的門檻，符合人體工學的抗疲勞設(shè)計則提升了長時間操作與數(shù)據(jù)采集的舒適度與穩(wěn)定性。

未來，Dexmal原力靈機將聯(lián)合更多產(chǎn)業(yè)伙伴，持續(xù)拓展Dexbotic Open Source系列產(chǎn)品，以開源硬件為載體，讓具身智能研究從仿真走向現(xiàn)實，加速機器人技術(shù)在實際場景中的落地與應(yīng)用。

而這些設(shè)計不僅體現(xiàn)在工程實踐上，更在研究方法上帶來重要革新。

從學術(shù)角度看，Dexbotic的貢獻在于讓VLA研究第一次具備了結(jié)構(gòu)化、可復現(xiàn)、可擴展的標準；從工程角度看，它提供了通用的底層模塊與實驗接口，打通了數(shù)據(jù)、模型、控制三者之間的壁壘；而從生態(tài)角度看，它為具身智能建立了一個真正開放的合作平臺，讓研究成果能夠以模塊化形式共享與演化。

可以說，Dexbotic正在為具身智能從局部控制邁向整體認知鋪路：它不只是一個框架，更接近于具身大腦的雛形。

Dexbotic的推出，正在推動具身智能研究進入加速發(fā)展階段。

它讓VLA從碎片走向統(tǒng)一，從實驗走向生態(tài)。

對于學術(shù)界而言，這意味著公平與復現(xiàn)。長期以來，具身智能研究面臨著算法復現(xiàn)困難、實驗標準不一的問題。不同團隊采用的數(shù)據(jù)集、訓練框架乃至評估指標各不相同，導致結(jié)果難以橫向比較，研究壁壘高筑。Dexbotic提供了統(tǒng)一的代碼庫與預(yù)訓練模型，打破了實驗復現(xiàn)的壁壘，讓不同算法能夠在同一基線上公平比較。研究者可以在同一平臺上對比Pi0、CogACT、OpenVLA等不同策略，真正隔離出算法差異；實驗可復現(xiàn)、結(jié)果可量化讓學術(shù)競爭回歸科學本質(zhì)。

在工程與產(chǎn)業(yè)層面，Dexbotic降低了VLA落地的門檻。對于眾多企業(yè)，尤其是資源有限的中小團隊而言，從零開始構(gòu)建并訓練一個成熟的VLA模型，意味著巨大的時間與資金成本。Dexbotic提供的“模塊即用”式解決方案，允許開發(fā)者直接在其預(yù)訓練模型基礎(chǔ)上，針對特定機器人平臺與應(yīng)用場景進行高效微調(diào)。這種“模塊即用”的工程思路將大幅壓縮從實驗到產(chǎn)品的周期，使中小團隊也能快速驗證具身智能應(yīng)用。

而從更宏觀的視角看，Dexbotic的開源或?qū)⑼苿泳呱碇悄茏呦驑藴驶?/strong>它通過提供統(tǒng)一的代碼實現(xiàn)、模型接口與評估基準，將全球的研究與工程力量匯聚到同一個開放生態(tài)中，確保了不同技術(shù)路徑的可復現(xiàn)性與公平可比性。當越來越多的模型、算法和數(shù)據(jù)匯聚在同一個開放生態(tài)中，創(chuàng)新的速度將被成倍放大。

在現(xiàn)實測試中，Dexbotic已經(jīng)展示出強勁的泛化能力。在UR5、Franka、ALOHA等多種機器人平臺上，它穩(wěn)定完成復雜任務(wù)：擺盤成功率100%，堆疊碗具90%，搜索物體80%。而這正是具身智能的最終目標：從代碼走向動作，從模擬走向現(xiàn)實。

具身智能的持續(xù)發(fā)展，離不開像Dexbotic這樣的基礎(chǔ)設(shè)施支持。它讓研究和工程的邊界變得模糊，讓算法與機器人真正合為一個系統(tǒng)。它不僅加速了VLA研究的節(jié)奏，也讓具身智能的發(fā)展路徑變得更清晰。

Dexbotic為全球研究者提供了一套統(tǒng)一的評測基礎(chǔ)：通過統(tǒng)一的數(shù)據(jù)格式、工具鏈，并聯(lián)動RoboChallenge大規(guī)模真機評測標準，令不同機器人能夠在相同的基準與開放生態(tài)下公平競賽。可以說，Dexbotic奠定技術(shù)底層，RoboChallenge則點亮場景高光，二者共同勾勒出從實驗室到真實應(yīng)用的完整閉環(huán)。

或許在不遠的將來，當我們談?wù)摍C器人如何理解世界、與人協(xié)作時，Dexbotic這個名字，會像操作系統(tǒng)或編譯器一樣，成為這場變革背后看不見的基礎(chǔ)；而RoboChallenge這樣的標桿測試，則將持續(xù)為這個快速演進的領(lǐng)域樹立真實世界的衡量標準和創(chuàng)新燈塔。