相关链接如下：

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

01.

统一数据格式，整合多源机器人数据集

传统VLA研究经常因为数据往往格式各异、命名混乱，视频、传感器状态与文本描述难以统一对齐而陷入混乱，各种信息常需手工对齐，既耗时又易错。

对此，Dexbotic设计了一种名为Dexdata的统一高效的数据格式，为UR5、Franka、ALOHA、ARX5等多款主流机器人提供统一的数据格式。

在Dexdata格式中，所有内容被结构化存储为两个核心目录：视频目录与JSONL目录，视频目录中存储.mp4格式的视频文件，而JSONL目录中存储对应的文本信息。每个JSONL文件包含单个机器人任务的完整数据，还包含index_cache.json文件，用于记录所有任务的元数据并加速数据访问。

基于Dexdata格式的数据，系统将自动执行数据处理流程，提取图像、文本及状态信息用于模型训练，提高训练效率。相比Lerobot与RLDS等格式，Dexdata在数据加载与模型训练阶段能显著节省存储空间。

数据标准化是研究的基础，实则决定了后续多机器人、多视角的可拓展性，也决定了具身智能的规模化发展潜力。

Dexdata的创新之处，就在于没有局限于单一机器人类型，而是构建了可拓展的通用框架，让不同机器人的数据能够在同一框架下复用。Dexmal原力灵机团队还表示，他们将持续扩展Dexdata的适配范围，让更多机器人平台接入这一标准。

02.

提供两种高性能预训练模型，

支持多种主流VLA策略

Dexbotic从零开始预训练了视觉-语言模型DexboticVLM，既可以直接支持离散VLA训练，也可以作为现有VLA策略的基座模型。该模型采用模块化设计，整合了CLIP作为视觉编码器、两层MLP作为投影层、Qwen2.5作为大语言模型。

Dexbotic 提供了两种预训练模型：

离散型预训练模型（Dexbotic-Base）：适用于通用VLA策略，模型使用了来自Open-X Embodiment数据集、RLBench、Libero、Maniskill2等多个仿真器的数据，并融合了UR5等真实机械人的数据。，用离散化token形式来学习动作空间。研究者可直接在此模型上微调，复现π0、OFT、CogACT、MemoryVLA等主流算法，而无需从零训练。

连续型预训练模型（Dexbotic-CogACT）：专为连续动作策略设计，包括单臂和双臂两个版本。单臂模型基于Dexbotic-Base进行连续表征预训练，数据来自Open-X Embodiment子集与团队私有数据集；双臂版本包含来自8种真实单臂机器人（UR5、Franka、UniTree Z1、Realman GEN72、ARX5等）的52个任务数据，还进一步引入Robomind、AgiBot World 及 ALOHA双臂数据，以支持多视角输入与双臂任务。

Dexbotic这种同时覆盖离散与连续动作策略的设计，精准击中了当前VLA研究的核心需求差异，既兼顾了学术研究的开放性，又考虑了产业落地的实用性。

目前，DexboticVLM了同时提供支持π0、OpenVLA-OFT、CogACT、MemoryVLA等多种VLA策略的统一代码库，用户仅需一次环境配置即可复现多种VLA方法。另外，用户也可以便捷地自定义新的VLA模型。这就让研究者无需重复搭建环境，也能轻松横向比较不同策略的性能，从而在统一标准下推动算法的进化。

03.

创新实验脚本机制，

让开发流程更加简洁高效

在传统的VLA开发流程中，研究者需要手动配置大量YAML文件，这些配置复杂、易错，不仅浪费大量时间，也容易让科研的可复现性陷入混乱。

而Dexbotic秉持着“实验为中心”的理念，重塑了这一流程。它创新性引入的实验脚本机制，把一套复杂的实验配置，简化为一套可继承的脚本体系，在确保系统稳定性的同时支持快速实验迭代开发。

具体来说，用户不再需要手动维护庞杂的配置文件，可基于base_exp脚本继承配置，修改优化器、数据、模型等字段，不必复制完整文件即可创建新的实验方案。运行命令格式为：python xxx_exp.py -task train。

这样的机制就意味着，研究人员的时间不再浪费在环境修补与路径兼容上，而能真正投入到算法优化本身，提升研究单位产出。不仅提升了个体效率，更能加速整个行业的技术迭代速度，形成良性创新循环。

Dexbotic同时支持云端与本地一体化训练，它既可运行在阿里云、火山引擎等大规模云训练平台上，也适配RTX 4090等消费级显卡的本地训练环境。这让研究门槛被大幅降低，中小型团队甚至个人研究者，都可以以更低成本参与到具身智能的创新浪潮中。可以说，Dexbotic让做实验本身重新变成了一件轻松、高效且透明的事情。

04.

显著提升多个主流仿真器效果，

还能完成多项日常任务

在多个主流具身智能仿真基准，如SimplerEnv、CALVIN、ManiSkill2、RoboTwin2.0 和 LIBERO上，Dexbotic 团队系统验证了模型表现。结果显示，基于Dexbotic的策略在各项指标上都显著超越了原版。

以SimplerEnv为例，在“将勺子放在毛巾上”、“将胡萝卜放在盘子上”、“堆叠方块”与“将茄子放入篮子”这些任务中，Dexbotic的CogACT较原版性能提升18.2%，DB-OFT相较原版提升46.2%。同时，DB-MemoryVLA在该环境下的成功率达到81.3%，比原始版本提升近10%。

在CALVIN的长时序操作任务中，DB-CogACT在所有指标上均优于原始模型，平均任务长度达到4.06，较原版提升0.81。DB-OFT版本也表现出更优的泛化性能。

在ManiSkill2的多个抓取与放置任务中，Dexbotic在五个代表性任务上进行了验证。相比原始CogACT、OFT，DB-CogACT将平均成功率又进一步提升了4%，DB-OFT更是将平均成功率提升了42%。

在RoboTwin2.0测试中，CogACT在调整瓶子、抓取滚筒、放置空杯和放置手机支架这四个任务的平均成功率为43.75%，而DB-CogACT的成功率达到了57%。这表明，Dexbotic的预训练模型在双臂机器人形态下能带来显著的性能提升。

在LIBERO基准测试中，许多先进VLA策略性能已经接近饱和。但是借助Dexbotic预训练模型，像CogACT、MemoryVLA这些策略的性能还能进一步提升，比如，DB-CogACT在四个任务集上的平均成功率比CogACT基线提高了1.3%。

在真实世界实验中，Dexbotic在UR5e、Franka、ALOHA、ARX5等机器人平台上完成了包括摆放餐盘、寻找特定盒子、按顺序按下按钮等多项任务，成功率普遍在80%-100%之间，展现了较强的可迁移性与控制稳定性。

不过，Dexbotic也验证了，在“撕碎纸张”“把薯条倒进盘子里”这类精细操作任务上，当前VLA策略还存在一定挑战。

具身智能的研究离不开开源硬件的支撑。Dexmal原力灵还推出了其首款开源硬件产品——Dexbotic Open Source - W1（DOS-W1）,为行业提供一个低门槛、高可复现性的硬件底座。

DOS-W1采用完全开源的设计方案，即将开源所有的文档、BOM、设计图纸、组装方案、相关代码；采用大量的快拆结构与可替换模块，极大地降低了机器人的使用门槛、改造便利性和维护便利性。同时，其符合人体工学的抗疲劳设计，有效提升了操作人员的舒适度与数据采集效率。

DOS-W1不只是一个硬件平台，也是构建产业开放生态的重要节点。Dexmal原力灵机将与各产业伙伴一起，持续丰富Dexbotic Open Source系列。产业链共创，有望使其成为一个让更多人真正参与进来的、能持续把创新能力带到现实世界的加速器。

05.

结语：加速具身大脑发展的关键一步

在具身智能的发展道路上，Dexbotic的意义远不止一个开源工具箱。它的出现，不仅显著简化了VLA模型的复现与实验流程、显著提升研究效率，还通过高性能预训练模型与模块化架构推动了具身智能研究的发展，是解决具身大脑的关键一步。

对研究者而言，不仅可以使用Dexbotic开发更多真实世界任务，还能把基于Dexbotic开发的策略提交至RoboChallenge平台。RoboChallenge基于多款主流机器人底座、远程真机实验、Table30桌面操作基准测试集，够克服真实环境下的性能验证、标准化测试条件、公开可访问测试平台等挑战，为模型（VLAs）在机器人的实际应用提供更加可靠和可比较的评估标准。

Dexmal原力灵机称，将持续投入Dexbotic生态建设，计划扩展更多先进VLM基座模型，集成仿真到真实物理世界的迁移学习工具链，并建立社区驱动的模型贡献机制。还邀请全球开发者通过代码贡献、算法优化、应用案例分享，共同参与Dexbotic社区建设，为通用机器人智能的到来奠定坚实基础。