近日，全球机器人领域顶级学术盛会——2025 IEEE/RSJ智能机器人与系统国际会议（IROS 2025）在杭州成功举办。大会以「人类-机器人前沿」为主题，聚焦人工智能与机器人技术的深度融合，吸引全球顶尖科研机构与企业参与。会上，Dexmal 原力灵机以其开源开放理念与全栈技术布局，为解围具身智能面临的「技术巴别塔」困境提供了可行路径。
具体而言，Dexmal 原力灵机带来一套涵盖开发工具箱（Dexbotic）、开源硬件（DOS-W1）以及算法评测基准（RoboChallenge） 的开源生态方案，为全球研究者与开发者构建一套统一、可复现的基础设施，推动行业从「碎片化创新」走向「协同化演进」。
Dexbotic
「实验优先」的一站式 VLA 代码库
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
在 IROS 2025 展台现场，Dexmal 原力灵机推出一站式视觉-语言-动作（VLA）开源代码库 Dexbotic；其诞生的背景，是 VLA 研究领域长期存在的痛点：研究机构采用的框架、基座与接口各不相同，导致研究成果难以横向对比，大量时间被耗费在配环境和跑通代码上，而非算法创新本身。
Dexbotic 以「实验为中心」作为核心设计理念，试图彻底改变这一现状。它基于 PyTorch 构建，将所有 VLA 方法统一抽象为视觉语言模型（VLM） 与动作专家（AE）两大模块。这种架构实现了 VLA 在结构层面的标准化，让不同团队、不同算法、不同机器人能在同一框架中被复现、比较和扩展。
更为关键的是，Dexbotic 在系统设计上进行了深度优化，其架构清晰地分为三层：
数据层：将来自不同机器人平台的原始信息统一转化为 Dexdata 格式，兼容 UR5、Franka、ALOHA 等多种真实机器人及多视角输入。
模型层：汇聚包括 Pi0、MemoryVLA 在内的多种主流 VLA 算法，为研究者提供标准化的实现和统一的接口。
实验层：作为系统的中枢，支持通过 Python 脚本定义实验，用户只需继承基础实验模板，修改少量字段即可构建新的实验流程。这使 VLA 的开发周期从月、周级别缩短至天级别，让研究真正回归实验本质。
与以往的方案相比，Dexbotic 自研的 DexboticVLM 采用 CLIP 作为视觉编码器，结合 Qwen2.5 语言模型，其感知和语言理解能力上均有提升，例如，在 SimplerEnv 上，Dexbotic 版本的 CogACT 的平均成功率绝对值超越了官方实现 18.2%；并且在多种真实任务的真机评测中，Dexbotic集成的高性能预训练模型也都取得了大幅领先的评测结果。
DOS-W1开源硬件
连接数字智能与物理世界的桥梁
为将 Dexbotic 的算法能力对接到物理世界，Dexmal 原力灵机同步发布其首款开源机器人产品——Dexbotic Open Source - W1（DOS-W1）。这款硬件并非一个封闭的执行终端，而是一个开放开源的智能平台。
DOS-W1秉承了全面开源的硬件设计理念，计划开源所有的文档、BOM、设计图纸、组装方案、相关代码，其设计充分考虑了研发过程中的实际需求：
模块化快拆结构和可替换模块：允许开发者快速更换和升级部件，降低实验搭建与维护的门槛。
符合人体工学的抗疲劳设计：提升操作者在长时间数据采集与调试过程中的舒适度与稳定性。
DOS-W1的推出，为学术界和产业界提供了一个高性价比、高灵活性的研发载体，让更多团队无需被昂贵的硬件成本和封闭的系统所束缚；未来，Dexmal 原力灵机也将与各产业伙伴一起，持续丰富 Dexbotic Open Source 系列，以开源硬件助力具身智能前沿研究，加速机器人技术在真实物理世界的落地与应用。
RoboChallenge评测平台
打造机器人的大规模「真实考场」
Hugging Face 联合创始人 Thomas Wolf（左 3）与 Dexmal 原力灵机联合创始人范浩强（右 2） 在 IROS 2025 现场交流 RoboChallenge
官网：https://robochallenge.ai
论文：https://robochallenge.ai/robochallenge_techreport.pdf
GitHub：https://github.com/RoboChallenge/RoboChallengeInference
Hugging Face：https://huggingface.co/RoboChallengeAI
如果说 Dexbotic 和 DOS-W1 为具身智能的开发与验证提供了「生产工具」和「试验田」，那么Dexmal 原力灵机与Hugging Face联合发起的RoboChallenge 基准测试平台，则是为整个行业建立了一个开放、公正、可复现的「真实考场」。
RoboChallenge 是全球首个大规模、多任务的在真实物理环境中由真实机器人执行操作任务的基准测试。它精准地解决了当前机器人算法评估中的核心难题：许多测试局限于仿真环境，难以反映算法在真实物理世界中的表现，且缺乏统一的评测标准。RoboChallenge 有三个创新之处：
远程机器人测试：通过云端化服务，研究者无需拥有实体机器人，即可通过标准化 API 接口远程调用平台上的真实机器人（包括UR5、Franka Panda等）进行算法测试，实现「没有机器人，一样做实验」的效果。
Table30测试集：包含30个精心设计的日常情境任务，远超行业内真机评测通常只有 3-5 个任务的数量级。它系统性地评估算法在精准抓取、空间关系理解、双臂协作等多维度的泛化能力。
创新性评分机制：突破传统的成功/失败二元评价，采用进度评分系统，对复杂任务的分步进展给予认可，能更精准地反映算法性能的代差。
RoboChallenge 的发布，正在逐步重塑具身智能基准测试；它为解决研究成果无法公平对比、性能无法可靠衡量的行业痛点提供了基础设施，正在加速具身智能技术的成熟与落地。
开源共建
迈向通用机器智能新篇章
在 IROS 2025 的舞台上，Dexmal 原力灵机没有选择展示单点的技术，而是向全球机器人行业参会者呈现了一个清晰的开源生态蓝图——从统一开发工具（Dexbotic），到开源硬件载体（DOS-W1），再到公平评测体系（RoboChallenge）。这三者构成了一个相互促进的良性循环：好算法在好工具上被高效开发，通过好硬件在真实世界中验证，最终在好基准上接受公平评判与持续迭代。
具身智能的下一阶段突破，更需要扎实的协作与共建。Dexmal 原力灵机此次亮相，正试图把具身智能的「技术巴别塔」转变为「创新共同体」。这条通过开源开放降低行业门槛，通过标准化推动规模化的路径，或许正是引领具身智能从实验室演示走向千行百业，实现通用机器智能的关键一步。
欢迎参与Dexmal 原力灵机相关产品的问卷调查，每个问卷我们会随机抽出10 名参与者赠送精美小礼物。
