近日，以“众智开源 | Open Source， Open Intelligence” 为主题的中国开源年会 COSCon 2025圆满结束；两天的议程里，全球 200 位讲师带来 205 场主题演讲/圆桌讨论，总参会人次超 1500，直播线上观看人次 86946，共有 16 家年度合作伙伴企业和 32 家社区/媒体现场布展；Dexmal 原力灵机作为金牌合作伙伴亮相此次年会，通过展位展示、机器人技术演示及主题演讲等形式，分享其在具身智能软件工具、开源硬件平台以及评测标准方面的实践成果，共同探讨开源协作如何解决具身智能研发落地的实际痛点。
探索真机评测的标准化路径
机器人仿真环境虽然能提供高效的训练场景，但模型在物理世界中的真实表现才是检验其可用性的关键。长期以来，行业内对于大规模、公正、可信赖的真机评测体系一直有着迫切需求。
Dexmal 原力灵机联合创始人范浩强在题为《具身 VLA 模型开源基建与真机测试》的演讲中，分享了公司在此方向的探索。他指出，许多模型在仿真中得分很高，但在现实世界的复杂干扰下往往表现不佳。为了解决这一“虚实鸿沟”，Dexmal 原力灵机联合 Hugging Face 发起了全球首个具身智能的大规模真机评测平台——RoboChallenge。
该平台旨在建立一个可复现、可量化的真机评测基准；其首个发布的任务集 Table 30 包含 30 个精心设计的日常操作任务（如插花、制作三明治等），测试对象覆盖了 Pi0.5、Pi0、OFT 等 6 个主流 VLA 模型，并积累了超过 24,000 条机器轨迹数据。范浩强现场展示了目前的测试数据：在总榜测试结果中，Pi0.5 模型在成功率和过程评分上暂时处于领先位置。
在会上《具身智能的开源浪潮》的圆桌讨论中，范浩强还分享了RoboChallenge 通过建设大规模数据集，构建公正的评测基准来破解数据与仿真的瓶颈，做好具身智能的“裁判员”；并解析评测体系从单一任务向泛化能力演进的趋势，为行业提供务实的实践参考。
此外，为了推动评测标准的行业共识，RoboChallenge 已联合智源研究院、智元机器人、Qwen、星海图、自变量、清华大学、西安交通大学、GOSIM 等海内外机构成立组委会，持续推动真机测评的标准化与开源协作。公司也借此机会邀请更多开发者参与共建，共同完善具身智能的评价体系。
此外，范浩强还与Dexmal 原力灵机开源战略生态总经理陈阳受邀参加了由开源社举办的年度顾问委员会线下高峰论坛。本次论坛汇集了来自国际开源组织 OSI、FOSDEM、联合国大学澳门研究所的开源负责人，以及国内各行业的开源专家与开源生态伙伴。
在闭门圆桌讨论中，各方围绕开源与 AI 的未来发展路径、全球协作机制、以及如何通过开源推动 AI 的普惠化等议题展开了深入交流；从技术、生态、治理和产业化等多个维度分享了洞见，为构建更加开放、可信和可持续的全球开源与 AI 生态提供了有价值的思路。
解决 VLA研发碎片化难题
在大会具身智能开源论坛上，Dexmal 原力灵机合伙人汪天才作了题为《Dexbotic：迈向具身智能的一站式 VLA 开源工具箱》的分享，在梳理 VLA 模型的发展脉络后，客观分析了当前 VLA 研发面临的五大挑战：数据孤岛、框架割裂、模块异构、模型僵化以及环境隔阂。
这在一定程度上制约了技术的迭代效率；如何构建一套标准化的开发流程，是行业关注的焦点。为此，Dexmal 原力灵机推出基于 PyTorch 的一站式 VLA 工具箱——Dexbotic 和以实验为中心的开发方案：
统一数据接口：针对不同机器人构型及异构数据源，Dexbotic 能够将复杂数据转化为统一开源的 Dexdata 格式，有效降低了数据处理门槛，打通了数据流转的壁垒。
模块化与预训练支持：工具箱提供了模块化的框架设计，并集成了经过验证的预训练模型，方便开发者像搭建积木一样快速进行模型构建与算法验证。
降低开发门槛：支持云服务及消费级显卡训练，使得更多研究者能够参与到 VLA 模型的开发中。
适配多环境评测：Dexbotic 的 Docker 容器已适配 SimplerEnv、CALVIN、ManiSkill2、RoboTwin2.0、Libero 等多个主流仿真环境，简化了环境配置流程。
分享中引用的实验数据显示：在 SimplerEnv 仿真评测的特定任务（如“Put Spoon on Towel”）中，使用 Dexbotic 优化的 DB-CogACT、DB-OFT、DB-MemVLA 等模型，在任务成功率上相较原模型均有明显提升。这表明，标准化的工具箱能够有效缩短研发周期，提升 VLA 模型的研发效率与性能表现。
服务于数据采集的开源硬件
Dexmal 原力灵机的展位上，开源轮式双臂机器人实验平台 DOS-W1 吸引了不少开发者的关注；它具备 17 个自由度，采用主从分离的同构遥操结构，数据采集更灵活，部署落地更轻巧，为具身智能算法开发提供了一个低成本、高效率的硬件载体。
具体而言，DOS- W1 采用完全开源的硬件设计，即将开源所有文档、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，极大降低了机器人的使用门槛、改造和维护便利性；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为具身智能而生，不仅助力具身智能算法的开发和应用，还可以实现：
高效灵活的数据采集。科学的人体工学设计，使得数据采集更容易；提供全套数据采集代码+标准数据格式转换代码，一键启动，高效采集，无缝接入主流模型训练。
紧跟前沿的算法开发及应用。开源全套 VLA 模型训练代码，提供清晰易用的运行脚本，模型训练立等可取；提供所有硬件接口 sdk 及模型部署代码，算法落地快捷高效；提供完整的 VLA 模型 demo。
构建开源生态，助力技术沉淀
RoboChallenge 评测平台、Dexbotic 工具箱与 DOS-W1 硬件平台三者正在形成协同效应，作为具身智能的基础运行层，通过开源的方式打破软、硬件之间的壁垒：软件工具提升开发效率，硬件平台降低数据获取门槛，评测标准提供公平竞技平台。
Dexmal 原力灵机希望与社区开发者一起，脚踏实地解决具身智能发展过程中的算法难题、工程挑战和落地痛点，构建一个开放、协作、开源的具身智能生态。未来，公司将继续坚持务实的开源策略，为具身智能领域的基础设施建设贡献力量。
欢迎加入RoboChallenge、Dexbotic 和 DOS-W1 用户组交流群