11月22日，2025開放原子開發(fā)者大會——具身智能分論壇暨具身機器人工作坊在北京順利舉辦。論壇聚焦具身智能核心議題，深度探討以開源生態(tài)破解具身智能應(yīng)用落地難題，匯聚具身智能領(lǐng)域優(yōu)質(zhì)開源項目與創(chuàng)新力量，充分彰顯開源協(xié)作已成為驅(qū)動具身智能技術(shù)創(chuàng)新、助力生態(tài)高質(zhì)量發(fā)展的核心力量。

DORA：10倍性能的數(shù)據(jù)流驅(qū)動機器人新范式

DORA社區(qū)技術(shù)負責(zé)人李揚介紹，DORA是面向AI原生時代的新一代機器人開發(fā)框架。框架依托Rust語言的內(nèi)存安全特性與零拷貝通信架構(gòu)，在延遲控制與數(shù)據(jù)傳輸效率上實現(xiàn)數(shù)量級突破——相較于ROS2，其在大型數(shù)據(jù)包（>500KB）處理場景中展現(xiàn)出壓倒性性能優(yōu)勢，單機環(huán)境下50MB數(shù)據(jù)傳輸延遲可壓縮至100μs以內(nèi)，為高帶寬傳感器數(shù)據(jù)、多模態(tài)AI推理等場景提供了底層性能保障。

架構(gòu)上，DORA以“數(shù)據(jù)流驅(qū)動”范式將系統(tǒng)抽象為可動態(tài)組合的有向圖，支持分布式部署與端邊云協(xié)同（基于Zenoh中間件），YAML聲明式配置簡化了多機部署流程。目前，DORA已與人形機器人（上海）有限公司深度合作，開源人形機器人“青龍”已納入其技術(shù)選型并完成初步集成。

生態(tài)方面，社區(qū)正持續(xù)豐富示例教程、適配硬件傳感器驅(qū)動、支持多模態(tài)/VLA大模型等，并通過開放原子大賽、校源行、工作坊、黑客松等活動，構(gòu)建活躍協(xié)作生態(tài)，推動框架在多領(lǐng)域落地。

社區(qū)鏈接

https://github.com/dora-rs/dora

FlagScale：賦能具身智能的全棧訓(xùn)推框架

北京智源人工智能研究院AI框架研究員李志宇分享了FlagScale——一個大模型并行訓(xùn)練及推理框架，加速具身大模型全鏈路開發(fā)。該框架通過自動化技術(shù)實現(xiàn)跨芯片的自適應(yīng)計算，支持VLM大腦模型與VLA端到端模型的訓(xùn)推優(yōu)化。在數(shù)據(jù)處理上，F(xiàn)lagScale（Energon）相比原生Torch DataLoader將延遲降低90%；在顯存優(yōu)化上通過重計算與非均勻流水線并行實現(xiàn)154.81%端到端加速比。

推理部署是FlagScale的另一大創(chuàng)新。通過“多后端+多芯片”支持機制，框架兼容vLLM、SGLang等多種后端，同時支持英偉達、華為昇騰等多樣化芯片。推理量化加速采用混合量化策略，ViT采用全精度浮點計算，LLM采用INT8 Weight-Only量化，端到端推理延遲降低約30%。FlagScale強調(diào)開源協(xié)作和生態(tài)兼容，支持同一任務(wù)的不同加速引擎，相比缺省配置可獲得吞吐提升2%-20%。后續(xù)將通過FlagOS全棧優(yōu)化實現(xiàn)具身大模型的高效訓(xùn)練與推理，并支持適配更多國產(chǎn)芯片。

社區(qū)鏈接

https://github.com/flagos-ai/FlagScale

智元：數(shù)據(jù)與工程雙螺旋驅(qū)動的具身智能生態(tài)

智元機器人生態(tài)總監(jiān)胡曠以“數(shù)據(jù)與工程雙螺旋驅(qū)動”為題，介紹了智元以開源為核心構(gòu)建具身智能技術(shù)生態(tài)，通過開源AgiBot World數(shù)據(jù)集、AimRT中間件以及具身智能操作系統(tǒng)靈渠OS，推動全球開發(fā)者協(xié)作創(chuàng)新；同時開放“采、訓(xùn)、測、推”一站式開發(fā)云平臺與多尺寸人形本體開發(fā)平臺，助力生態(tài)伙伴快速實現(xiàn)科研轉(zhuǎn)化與場景落地。智元堅信「開源是技術(shù)生態(tài)基石，開放是產(chǎn)業(yè)橋梁，協(xié)同加速具身智能走向現(xiàn)實場景」。

AgiBot World開源百萬真機數(shù)據(jù)集全域真實場景，全能硬件平臺，全程質(zhì)量把控等特點于一身，獲業(yè)界廣泛采用，如英偉達GR00T N1模型約80%訓(xùn)練所用真機數(shù)據(jù)來源于此；AimRT是一款面向現(xiàn)代機器人領(lǐng)域的運行時開發(fā)框架，致力于整合機器人端、邊、云等部署場景，提供了全面的插件開發(fā)接口，具有高度可擴展性；靈渠OS孵化自智元產(chǎn)品框架，立足具身智能機器人的全場景需求，構(gòu)建了“南向適配具身硬件、北向支撐智能應(yīng)用”的生態(tài)架構(gòu)。底層提供穩(wěn)定、高效的分布式群體實時通信、硬件抽象等基礎(chǔ)服務(wù)框架；上層開放智能體服務(wù)框架，支持交互、作業(yè)、運動等智能基座模型的標準化對接，降低應(yīng)用門檻；同時，提供豐富的工具鏈，涵蓋開發(fā)調(diào)試、仿真驗證、部署管理、數(shù)據(jù)錄制等能力，助力開發(fā)者快速構(gòu)建從虛擬仿真到實體部署的技術(shù)閉環(huán)。

社區(qū)鏈接

https://github.com/AimRT/AimRT

Alpha Platform：全場景具身智能仿真訓(xùn)練一體化平臺

中國科學(xué)院軟件研究所研究員張珩介紹，Alpha Platform是在AGIROS社區(qū)體系下推出的融合自研三維渲染引擎、高精度物理仿真引擎的泛具身智能仿真訓(xùn)練一體化平臺。核心引擎創(chuàng)新包括：AlphaRAY渲染引擎支持千萬級面片場景下200FPS+渲染性能，實現(xiàn)家庭/工廠/商超全場景覆蓋；AIphaPHY物理引擎通過毫秒級精度優(yōu)化，在連續(xù)碰撞檢測和復(fù)雜動力學(xué)仿真中顯著優(yōu)于MuJoCo和Isaac Sim；AlphaGEN提供5TB+場景數(shù)據(jù)與3000+三維物體資產(chǎn)。Alpha Platform平臺支持40+類機器人、10+類模型庫框架、20+類傳感器模擬，實現(xiàn)多智能體強化學(xué)習(xí)、模仿學(xué)習(xí)的全場景訓(xùn)練。特別地，平臺支持多關(guān)節(jié)、全身控制的高精度模擬，通過端到端訓(xùn)練流程實現(xiàn)從仿真到真實的遷移驗證。

Alpha Platform規(guī)劃2026年實現(xiàn)具身智能開發(fā)平臺的完整驗證與推廣，支持智能機器人同步仿真-訓(xùn)練-端部署，提供50套應(yīng)用場景模板，并推進國產(chǎn)芯片異構(gòu)算力資源的集群化調(diào)度。

社區(qū)鏈接

http://www.agiros.org.cn/

MJLAB：開源版IsaacLab的輕量級替代方案

昆侖巢機器人開放實驗室博士郭成凱介紹了MJLAB——一個將Isaac Lab的優(yōu)勢API與MuJoCo的簡潔性相結(jié)合、通過NVIDIA Warp加速語言提供GPU加速能力的開源機器人強化學(xué)習(xí)框架。該項目聚焦解決現(xiàn)有方案的痛點：相比Isaac Lab的沉重安裝、緩慢啟動和Omniverse開銷，MJLAB實現(xiàn)了快速迭代與輕量部署；相比MJX基于JAX的陡峭學(xué)習(xí)曲線，MJLAB降低了使用門檻?？蚣苤苯犹峁㎝uJoCo物理控制能力，原生支持Unitree G1等主流機器人，內(nèi)置數(shù)據(jù)轉(zhuǎn)換工具將演示數(shù)據(jù)轉(zhuǎn)換為CSV格式，支持RL算法快速部署與ONNX模型導(dǎo)出，完整覆蓋從數(shù)據(jù)采集、模型訓(xùn)練到真機部署的全流程。

MJLAB采用輕量級設(shè)計理念，安裝簡潔，部署高效。項目提供完整的示例代碼與工作流程，通過uv run命令支持快速啟動演示、大規(guī)模并行訓(xùn)練（支持4096個環(huán)境同步仿真）和模型推理部署。這種設(shè)計方案使得MJLAB成為學(xué)術(shù)研究和工程實踐的理想選擇，降低了研究者的實驗成本。

社區(qū)鏈接

● https://github.com/mujocolab/mjlab

RCP：面向具身智能領(lǐng)域的基礎(chǔ)設(shè)施

阿里巴巴達摩院高級算法專家汪宇雷分享了RCP（Robotics Context Protocol）——首個實現(xiàn)并開源的機器人領(lǐng)域開放協(xié)議與框架。RCP采用端云協(xié)同、完全解耦、全棧設(shè)計理念，構(gòu)建現(xiàn)代機器人的基礎(chǔ)設(shè)施。通過Rynn樂云平臺的實踐驗證，已支持realman人形機器人、Lerobot SO100、Agile COBOT MAGIC、Franka FR3等多種本體。協(xié)議設(shè)計兼顧性能與易用門檻，支持本地調(diào)用模型與云端Agent平臺訪問的靈活架構(gòu)，讓開發(fā)者可根據(jù)實際需求靈活選擇計算部署方案。

RCP正在快速迭代升級。2025年4月內(nèi)部提出概念，7月基于RynnRCP的樂云平臺beta上線，8月初RynnRCP 1.0開源。本次論壇期間宣布12月推出RynnRCP 2.0，將會支持完整的全鏈路部署。生態(tài)合作伙伴已涵蓋本體廠商、模組廠商、模型廠商等上下游全鏈，服務(wù)行業(yè)涉及物流倉儲、商業(yè)零售、醫(yī)療健康、工業(yè)制造等多個領(lǐng)域，形成從教科研到應(yīng)用的完整鏈條。

社區(qū)鏈接

https://github.com/alibaba-damo-academy/RynnRCP

Pelican-VL 1.0：具身智能的視覺語言大腦

北京人形機器人創(chuàng)新中心具身智能算法專家張怡介紹了Pelican-VL 1.0。該模型覆蓋7B、72B參數(shù)規(guī)模，是“最大規(guī)模的開源具身多模態(tài)大腦模型”。其核心優(yōu)勢在于深度整合海量數(shù)據(jù)與自適應(yīng)學(xué)習(xí)機制：并在由1000+ A800 GPU組成的集群上訓(xùn)練，單次檢查點訓(xùn)練耗費超過50,000 A800 GPU-小時；團隊從原始數(shù)據(jù)中蒸餾出包含數(shù)億token的高質(zhì)量元數(shù)據(jù)以做訓(xùn)練基石。在基線基礎(chǔ)上性能提升20.3%，超過同級別開源模型10.6%，成為開源具身性能最好的大腦模型。

得益于“刻意練習(xí)”DPPO訓(xùn)練范式，Pelican-VL就像一名刻苦鉆研的學(xué)生：每次訓(xùn)練循環(huán)都會“看視頻—自主練習(xí)—發(fā)現(xiàn)錯誤—糾正提升”。通過DPPO模仿人類元認知的學(xué)習(xí)方式，通過強化學(xué)習(xí)（RL）探索弱點、生成失敗樣本，再進行有針對性地監(jiān)督微調(diào)（SFT），讓模型不斷自我糾錯和迭代進步。

除了在各類評測集上的提升外,Pelican-VL 1.0可以接入多種核心下游任務(wù)包括：基于affordance的零樣本操縱（無需示例直接學(xué)習(xí)物體屬性），面向柔性易損物體的溫和自適應(yīng)抓?。ㄍㄟ^多模態(tài)感知推斷材質(zhì)特征），復(fù)雜場景下的長程任務(wù)規(guī)劃與推理。在空間理解、物理事實預(yù)測、長程任務(wù)推理、零樣本操縱等任務(wù)上性能全面超越同類模型，代表具身智能視覺語言模型的最新突破。項目訓(xùn)練評測已經(jīng)開源，以開源為引擎，持續(xù)推動具身智能技術(shù)突破與產(chǎn)業(yè)協(xié)同發(fā)展。

社區(qū)鏈接

https://pelican-vl.github.io/

OpenLoong：教育生態(tài)驅(qū)動的開源人形機器人矩陣

OpenLoong開源社區(qū)布道師朱華章介紹了OpenLoong社區(qū)構(gòu)建了覆蓋從教育、研究到產(chǎn)業(yè)的完整青龍機器人矩陣：青龍Nano（高60cm、重9kg的雙足教育平臺）、青龍Mini（研究開發(fā)平臺）、青龍-Butler（輪式服務(wù)機器人）等。社區(qū)強調(diào)教育生態(tài)共創(chuàng)，面向300+相關(guān)院校專業(yè)提供本科與跨專業(yè)教育資源，建立從中學(xué)先導(dǎo)教育到高等教育的完整培養(yǎng)體系，并正逐步推出高性能芯片開發(fā)套件、算法模型商城、支持仿真到真實的完整工具鏈。

OpenLoong開源社區(qū)是全球領(lǐng)先的開源人形機器人社區(qū)，由國家地方共建人形機器人創(chuàng)新中心（簡稱“國地中心”）發(fā)起，目前，社區(qū)已搭建包括開源論壇、技術(shù)博客、SIG技術(shù)興趣小組、線下技術(shù)沙龍等在內(nèi)的多元互動平臺，構(gòu)建起從開發(fā)者成長支持到產(chǎn)業(yè)協(xié)作共建的完整生態(tài)體系。國地中心現(xiàn)已發(fā)布全球首款全尺寸通用人形機器人開源公版機、首批人形機器人具身智能標準與語料數(shù)據(jù)倡議，同時建設(shè)了全國首個異構(gòu)人形機器人訓(xùn)練場，支持Isaac Gym和MuJoCo仿真，集成Humanoid Gym訓(xùn)練、Sim to Sim遷移、Sim2Real部署的完整流程還與上海大學(xué)共建了人形機器人聯(lián)合創(chuàng)新中心。社區(qū)力圖構(gòu)建“根-干-冠”的完整具身智能開發(fā)者生態(tài)，從基礎(chǔ)工具到高級應(yīng)用，從教學(xué)資源到產(chǎn)業(yè)應(yīng)用。

社區(qū)鏈接

https://github.com/openloong

AlohaMini：低成本可升降的開源機器人本體

AlohaMini開源社區(qū)專家李一騰分享了一款專為具身智能場景打造、兼具低成本優(yōu)勢與高擴展性的開源雙臂機器人。該機器人標準版材料成本僅5000元，相當于一部手機，支持3D打印，可在60分鐘內(nèi)完成組裝。AlohaMini配備電動升降機構(gòu)，0–60cm行程可實現(xiàn)從地面到桌面的靈活操作，擁有5機位感知系統(tǒng)（頂部、前、后與雙臂攝像頭），確保在具身智能數(shù)據(jù)采集與真實世界操控中具備高度可復(fù)現(xiàn)性。整機外觀簡潔現(xiàn)代，完全開源、全套可3D打印，每一個部件都可根據(jù)需求自由改造。

AlohaMini原生適配LeRobot生態(tài)，開箱即可訓(xùn)練與部署，天然支持ACT、DP、Groot、Pi-0.5、SmolVLA等最新算法復(fù)現(xiàn)。在本次論壇現(xiàn)場還找到了志同道合的開源項目貢獻者，社區(qū)協(xié)作熱情高漲。該項目工作坊已被上海GDPS 2025 workshop大會邀請，GitHub上線首周即斬獲300+Star，憑借極高的性價比、開放性與完整的生態(tài)，成為具身智能研究與教育的又一平臺。

社區(qū)鏈接

https://github.com/liyiteng/AlohaMini

實戰(zhàn)落地：工作坊打通“從代碼到真機”最后一公里

技術(shù)的價值最終要落地于實操。下午舉辦的“具身智能機器人動作全流程實操工作坊”成為開發(fā)者深度體驗開源技術(shù)的核心環(huán)節(jié)。3小時沉浸式編碼讓開發(fā)者如同“游戲通關(guān)”般循序漸進——從基礎(chǔ)的Hello World入門，逐步解鎖DORA框架的核心技能，最終親手編寫代碼驅(qū)動真實機械臂完成精準夾取任務(wù)。

本次實操不僅充分驗證了DORA框架低延遲、高易用性的核心技術(shù)優(yōu)勢，更讓開發(fā)者直觀體驗到“數(shù)據(jù)流驅(qū)動→模型推理→真機執(zhí)行”的端到端全鏈路閉環(huán)。與此同時，DORA社區(qū)打造的全天候互動展臺同步成為大會焦點，集中呈現(xiàn)了框架與開源鴻蒙、國產(chǎn)芯片的深度適配成果，開發(fā)者可現(xiàn)場實操體驗語音控制、實時翻譯等沉浸式人機交互功能，直觀感受技術(shù)落地價值。

開源聚智，加速進化

本次論壇的核心價值，在于呈現(xiàn)了一條“框架-訓(xùn)推-數(shù)據(jù)-仿真-協(xié)議-本體-教育”的多維度具身智能開源技術(shù)棧。從DORA與青龍機器人的集成，到FlagScale的多芯片適配，再到AlohaMini與LeRobot的生態(tài)聯(lián)動，開源協(xié)作正產(chǎn)生“1+1>2”的創(chuàng)新效應(yīng)，打破技術(shù)壁壘，降低產(chǎn)業(yè)落地成本。

隨著開放原子開源基金會持續(xù)推動框架、數(shù)據(jù)、協(xié)議的開源協(xié)同，以及更多開發(fā)者的加入，具身智能從“實驗室”走向“家庭、工廠、商超”的路徑，正變得越來越清晰。讓我們一起開源聚智，加速具身智能的進化之路！