一站式具身智能 VLA 开发工具箱

预训练 · 微调 · 推理 · 评测
支持 π0、CogACT、OFT、MemVLA 等主流策略

简介

Dexbotic 是一套基于 PyTorch 框架开发的 VLA（视觉-语言-动作）开发工具箱，旨在为具身智能研究提供一个统一、高效的解决方案。它内置了多种主流 VLA 模型的环境配置，用户只需简单的设置即可复现、微调和推理各种前沿算法。

开箱即用的 VLA 框架：以 VLA 模型为核心，集成了具身操作和导航功能，支持多种业内领先的算法。
高性能预训练基础模型：针对 π0 和 CogACT 等主流 VLA 算法，提供了多个基于 Dexbotic 优化后的预训练模型。
模块化开发架构：采用「分层配置 + 工厂注册 + 入口分发」架构，用户仅需修改实验脚本，即可轻松实现配置修改、模型更换或任务添加等需求。
云端与本地一体化训练：全面支持云端与本地训练需求，支持阿里云、火山引擎等云训练平台，同时适配消费级 GPU 进行本地训练。
广泛的机器人适配：针对 UR5、Franka 和 ALOHA 等主流机器人，提供了统一的训练数据格式和部署脚本。

快速开始

我们强烈推荐使用 Docker 进行开发或部署，以获得最佳的使用体验。

1. 安装与环境配置

# 1. 克隆代码仓库
git clone https://github.com/dexmal/dexbotic.git

# 2. 启动 Docker 容器
docker run -it --rm --gpus all --network host \
  -v $(pwd)/dexbotic:/dexbotic \
  dexmal/dexbotic \
  bash

# 3. 激活环境并安装依赖
cd /dexbotic
conda activate dexbotic
pip install -e .

系统要求：Ubuntu 20.04/22.04，推荐使用 RTX 4090、A100 或 H100（训练建议 8 GPU，部署需 1 GPU）。

在 Blackwell GPU 上使用

对于使用 Blackwell 架构 GPU（例如 B100、RTX 5090）的用户，请使用专用的 Docker 镜像 dexmal/dexbotic:c130t28。

# 1. 使用 Blackwell 镜像启动 Docker
docker run -it --rm --gpus all --network host \
  -v /path/to/dexbotic:/dexbotic \
  dexmal/dexbotic:c130t28 \
  bash

# 2. 激活环境**
cd /dexbotic
pip install -e .

2. 使用指南

基准测试

以下展示了基于 Dexbotic 训练的模型与原始模型在主流仿真环境下的评测结果对比。查看更多详细评测结果：Benchmark Results

Libero

Model	Average	Libero-Spatial	Libero-Object	Libero-Goal	Libero-10
CogACT	93.6	97.2	98.0	90.2	88.8
DB-CogACT	94.9	93.8	97.8	96.2	91.8
π0	94.2	96.8	98.8	95.8	85.2
DB-π0	93.9	97	98.2	94	86.4
MemVLA	96.7	98.4	98.4	96.4	93.4
DB-MemVLA	97.0	97.2	99.2	98.4	93.2
DB-GR00TN1	94.8	93.0	99.6	95.2	91.4

CALVIN

Model	Average Length	1	2	3	4	5
CogACT	3.246	83.8	72.9	64.0	55.9	48.0
DB-CogACT	4.063	93.5	86.7	80.3	76.0	69.8
OFT	3.472	89.1	79.4	67.4	59.8	51.5
DB-OFT	3.540	92.8	80.7	69.2	60.2	51.1

SimplerEnv

Model	Average	Spoon	Carrot	Stack Blocks	Eggplant
CogACT	51.25	71.7	50.8	15	67.5
DB-CogACT	69.45	87.5	65.28	29.17	95.83
OFT	30.23	12.5	4.2	4.2	100
DB-OFT	76.39	91.67	76.39	43.06	94.44
MemVLA	71.9	75.0	75.0	37.5	100.0
DB-MemVLA	84.4	100.0	66.7	70.8	100.0

ManiSkill2

Model	Average	PickCube	StackCube	PickSingleYCB	PickSingleEGAD	PickClutterYCB
CogACT	40	55	70	30	25	20
DB-CogACT	58	90	65	65	40	30
OFT	21	40	45	5	5	0
DB-OFT	63	90	75	55	65	30
π0	66	95	85	55	85	10
DB-π0	65	95	85	65	50	30

RoboTwin2.0

Model	Average	Adjust Bottle	Grab Roller	Place Empty Cup	Place Phone Stand
CogACT	43.8	87	72	11	5
DB-CogACT	58.5	99	89	28	18

常见问题

Q: Flash-Attention 安装失败

A: 详细的安装说明和故障排查，请参阅官方文档：https://github.com/Dao-AILab/flash-attention

Q: RLDS/LeRobot 数据格式如何转换为 Dexdata？

A: 我们在数据转换指南中提供了一般的数据转换方法。LeRobot 数据转换的示例见 convert_lerobot_to_dexdata，RLDS 数据转换示例见 convert_rlds_to_dexdata。

Q: 5090 显卡支持吗？

A: 支持，请参考 Blackwell 架构显卡使用。

支持我们

我们正在不断改进，更多功能即将推出。如果你喜欢这个项目，请在 GitHub 上给我们点一颗星，你的支持是我们前进的动力！

如果 Dexbotic 对你的研究工作有所帮助，请考虑引用我们的技术报告：

@article{dexbotic,
  title={Dexbotic: Open-Source Vision-Language-Action Toolbox},
  author={Dexbotic Contributors},
  journal={arXiv preprint arXiv:2510.23511},
  year={2025}
}

许可

本项目采用 MIT 许可证。

产品

硬件