Dexbotic 是一套基於 PyTorch 框架開發的開源視覺-語言-動作模型（VLA）代碼庫，由 Dexmal 原力靈機推出，主要面向對象為具身智慧型領域研究者；其整體架構包含 Data、Experiment、Model 三大核心組件，具備統一模組化 VLA 框架、高性能預訓練基礎模型、實驗導向型開發框架、雲端與本地一體化訓練、全鏈路機器人訓練與部署五大特徵。
基本介紹
- 中文名：Dexbotic
- 所屬品牌：Dexmal 原力靈機
基本信息,功能服務,主要特徵,
基本信息
Dexbotic 是一套基於 PyTorch 框架開發的開源視覺-語言-動作模型（VLA）代碼庫，由 Dexmal 原力靈機推出，主要面向對象為具身智慧型領域研究者；其整體架構包含 Data、Experiment、Model 三大核心組件，具備統一模組化 VLA 框架、高性能預訓練基礎模型、實驗導向型開發框架、雲端與本地一體化訓練、全鏈路機器人訓練與部署五大特徵。
功能服務
Dexbotic 提供了一套同時支持多個主流 VLA 算法的代碼庫，用戶只需配置一次環境，基於所提供的預訓練模型，即可在各類仿真環境中復現各類主流 VLA 算法，通過解決這一行業痛點，為具身智慧型領域從業者提供一站式 VLA 科研服務。同時，Dexmal 原力靈機還將持續更新和支持更多業界領先的 VLA 模型。
Dexbotic 代碼庫的整體架構主要包含三大核心層級：數據層（Data Layer）、模型層（Model Layer）和實驗層 （Experiment Layer）。數據層定義了 Dexdata 統一格式以整合多源數據並最佳化存儲空間；基於 Dexdata 格式的數據，系統將自動執行數據處理流程，提取圖像、文本及狀態信息用於模型訓練。
模型層引入基礎模型 DexboticVLM 作為開發多樣化 VLA 策略的核心基礎，其可直接支持離散 VLA 訓練，亦可作為現有 VLA 策略的基座模型。當前版本已支持 π0、OpenVLA-OFT、CogACT、MemoryVLA 等多種 VLA 策略，用戶也可便捷地自定義新的 VLA 模型。
實驗層是 Dexbotic 體系中最核心的組成部分。基於模型層中的各類 VLA 模型的詳細實現，Dexbotic 創新性地引入實驗腳本機制，定義了基礎實驗腳本，用戶根據自己的需求修改最少量的實驗配置，即可開展新的實驗，在確保系統穩定性的同時支持快速實驗疊代開發。
主要特徵
統一模組化 VLA 框架。Dexbotic 以 VLA 模型為核心，兼容主流大語言模型的開源接口。該框架集成了具身操作與導航功能，支持多種業界領先的具身操作與導航算法，同時預留了未來全身控制的接口擴展能力。
高性能預訓練基礎模型。針對 π0 和 CogACT 等主流 VLA 算法，Dexbotic 開源多個性能更強的預訓練模型。這些模型在 SimplerEnv、CALVIN 等各類主流仿真器及真實物理世界任務中均能帶來顯著的性能提升。
實驗導向型開發框架。Dexbotic 的實驗框架採用「分層配置 + 工廠註冊 + 入口分發」架構，用戶僅需修改實驗 Exp 腳本，即可輕鬆實現配置修改、模型更換或任務添加等需求。該設計符合開閉原則，在保證系統穩定性的同時兼具靈活性與擴展性。
雲端與本地一體化訓練。Dexbotic 全面滿足不同高校及企業的訓練需求，既支持阿里雲、火山引擎等大規模雲訓練平台，也適配 RTX 4090 等消費級顯示卡的本地訓練環境。
全鏈路機器人訓練與部署。針對 UR5、Franka 和 ALOHA 等主流機器人，Dexbotic 提供統一的訓練數據格式，並開源通用部署腳本支持用戶定製化部署。未來將持續擴展更多主流機器人平台的支持。
