11月22日，2025開放原子開發者大會——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破解具身智能應用落地難題，匯聚具身智能領域優質開源項目與創新力量，充分彰顯開源協作已成為驅動具身智能技術創新、助力生態高質量發展的核心力量。

DORA：10倍性能的數據流驅動機器人新范式

DORA社區技術負責人李揚介紹，DORA是面向AI原生時代的新一代機器人開發框架?？蚣芤劳蠷ust語言的內存安全特性與零拷貝通信架構，在延遲控制與數據傳輸效率上實現數量級突破——相較于ROS2，其在大型數據包（>500KB）處理場景中展現出壓倒性性能優勢，單機環境下50MB數據傳輸延遲可壓縮至100μs以內，為高帶寬傳感器數據、多模態AI推理等場景提供了底層性能保障。

架構上，DORA以“數據流驅動”范式將系統抽象為可動態組合的有向圖，支持分布式部署與端邊云協同（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”已納入其技術選型并完成初步集成。

生態方面，社區正持續豐富示例教程、適配硬件傳感器驅動、支持多模態/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，構建活躍協作生態，推動框架在多領域落地。

社區鏈接

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

FlagScale：賦能具身智能的全棧訓推框架

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

推理部署是FlagScale的另一大創新。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強調開源協作和生態兼容，支持同一任務的不同加速引擎，相比缺省配置可獲得吞吐提升2%-20%。后續將通過FlagOS全棧優化實現具身大模型的高效訓練與推理，并支持適配更多國產芯片。

社區鏈接

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

智元：數據與工程雙螺旋驅動的具身智能生態

智元機器人生態總監胡曠以“數據與工程雙螺旋驅動”為題，介紹了智元以開源為核心構建具身智能技術生態，通過開源AgiBot World數據集、AimRT中間件以及具身智能操作系統靈渠OS，推動全球開發者協作創新；同時開放“采、訓、測、推”一站式開發云平臺與多尺寸人形本體開發平臺，助力生態伙伴快速實現科研轉化與場景落地。智元堅信「開源是技術生態基石，開放是產業橋梁，協同加速具身智能走向現實場景」。

AgiBot World開源百萬真機數據集全域真實場景，全能硬件平臺，全程質量把控等特點于一身，獲業界廣泛采用，如英偉達GR00T N1模型約80%訓練所用真機數據來源于此；AimRT是一款面向現代機器人領域的運行時開發框架，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接口，具有高度可擴展性；靈渠OS孵化自智元產品框架，立足具身智能機器人的全場景需求，構建了“南向適配具身硬件、北向支撐智能應用”的生態架構。底層提供穩定、高效的分布式群體實時通信、硬件抽象等基礎服務框架；上層開放智能體服務框架，支持交互、作業、運動等智能基座模型的標準化對接，降低應用門檻；同時，提供豐富的工具鏈，涵蓋開發調試、仿真驗證、部署管理、數據錄制等能力，助力開發者快速構建從虛擬仿真到實體部署的技術閉環。

社區鏈接

https://github.com/AimRT/AimRT

Alpha Platform：全場景具身智能仿真訓練一體化平臺

中國科學院軟件研究所研究員張珩介紹，Alpha Platform是在AGIROS社區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練一體化平臺。核心引擎創新包括：AlphaRAY渲染引擎支持千萬級面片場景下200FPS+渲染性能，實現家庭/工廠/商超全場景覆蓋；AIphaPHY物理引擎通過毫秒級精度優化，在連續碰撞檢測和復雜動力學仿真中顯著優于MuJoCo和Isaac Sim；AlphaGEN提供5TB+場景數據與3000+三維物體資產。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，實現多智能體強化學習、模仿學習的全場景訓練。特別地，平臺支持多關節、全身控制的高精度模擬，通過端到端訓練流程實現從仿真到真實的遷移驗證。

Alpha Platform規劃2026年實現具身智能開發平臺的完整驗證與推廣，支持智能機器人同步仿真-訓練-端部署，提供50套應用場景模板，并推進國產芯片異構算力資源的集群化調度。

社區鏈接

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的優勢API與MuJoCo的簡潔性相結合、通過NVIDIA Warp加速語言提供GPU加速能力的開源機器人強化學習框架。該項目聚焦解決現有方案的痛點：相比Isaac Lab的沉重安裝、緩慢啟動和Omniverse開銷，MJLAB實現了快速迭代與輕量部署；相比MJX基于JAX的陡峭學習曲線，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，內置數據轉換工具將演示數據轉換為CSV格式，支持RL算法快速部署與ONNX模型導出，完整覆蓋從數據采集、模型訓練到真機部署的全流程。

MJLAB采用輕量級設計理念，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、大規模并行訓練（支持4096個環境同步仿真）和模型推理部署。這種設計方案使得MJLAB成為學術研究和工程實踐的理想選擇，降低了研究者的實驗成本。

社區鏈接

● https://github.com/mujocolab/mjlab

RCP：面向具身智能領域的基礎設施

阿里巴巴達摩院高級算法專家汪宇雷分享了RCP（Robotics Context Protocol）——首個實現并開源的機器人領域開放協議與框架。RCP采用端云協同、完全解耦、全棧設計理念，構建現代機器人的基礎設施。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。協議設計兼顧性能與易用門檻，支持本地調用模型與云端Agent平臺訪問的靈活架構，讓開發者可根據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，服務行業涉及物流倉儲、商業零售、醫療健康、工業制造等多個領域，形成從教科研到應用的完整鏈條。

社區鏈接

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參數規模，是“最大規模的開源具身多模態大腦模型”。其核心優勢在于深度整合海量數據與自適應學習機制：并在由1000+ A800 GPU組成的集群上訓練，單次檢查點訓練耗費超過50,000 A800 GPU-小時；團隊從原始數據中蒸餾出包含數億token的高質量元數據以做訓練基石。在基線基礎上性能提升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”DPPO訓練范式，Pelican-VL就像一名刻苦鉆研的學生：每次訓練循環都會“看視頻—自主練習—發現錯誤—糾正提升”。通過DPPO模仿人類元認知的學習方式，通過強化學習（RL）探索弱點、生成失敗樣本，再進行有針對性地監督微調（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包括：基于affordance的零樣本操縱（無需示例直接學習物體屬性），面向柔性易損物體的溫和自適應抓?。ㄍㄟ^多模態感知推斷材質特征），復雜場景下的長程任務規劃與推理。在空間理解、物理事實預測、長程任務推理、零樣本操縱等任務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。項目訓練評測已經開源，以開源為引擎，持續推動具身智能技術突破與產業協同發展。

社區鏈接

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

OpenLoong：教育生態驅動的開源人形機器人矩陣

OpenLoong開源社區布道師朱華章介紹了OpenLoong社區構建了覆蓋從教育、研究到產業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（研究開發平臺）、青龍-Butler（輪式服務機器人）等。社區強調教育生態共創，面向300+相關院校專業提供本科與跨專業教育資源，建立從中學先導教育到高等教育的完整培養體系，并正逐步推出高性能芯片開發套件、算法模型商城、支持仿真到真實的完整工具鏈。

OpenLoong開源社區是全球領先的開源人形機器人社區，由國家地方共建人形機器人創新中心（簡稱“國地中心”）發起，目前，社區已搭建包括開源論壇、技術博客、SIG技術興趣小組、線下技術沙龍等在內的多元互動平臺，構建起從開發者成長支持到產業協作共建的完整生態體系。國地中心現已發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據倡議，同時建設了全國首個異構人形機器人訓練場，支持Isaac Gym和MuJoCo仿真，集成Humanoid Gym訓練、Sim to Sim遷移、Sim2Real部署的完整流程還與上海大學共建了人形機器人聯合創新中心。社區力圖構建“根-干-冠”的完整具身智能開發者生態，從基礎工具到高級應用，從教學資源到產業應用。

社區鏈接

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分鐘內完成組裝。AlohaMini配備電動升降機構，0–60cm行程可實現從地面到桌面的靈活操作，擁有5機位感知系統（頂部、前、后與雙臂攝像頭），確保在具身智能數據采集與真實世界操控中具備高度可復現性。整機外觀簡潔現代，完全開源、全套可3D打印，每一個部件都可根據需求自由改造。

AlohaMini原生適配LeRobot生態，開箱即可訓練與部署，天然支持ACT、DP、Groot、Pi-0.5、SmolVLA等最新算法復現。在本次論壇現場還找到了志同道合的開源項目貢獻者，社區協作熱情高漲。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，成為具身智能研究與教育的又一平臺。

社區鏈接

https://github.com/liyiteng/AlohaMini

實戰落地：工作坊打通“從代碼到真機”最后一公里

技術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”成為開發者深度體驗開源技術的核心環節。3小時沉浸式編碼讓開發者如同“游戲通關”般循序漸進——從基礎的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動真實機械臂完成精準夾取任務。

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優勢，更讓開發者直觀體驗到“數據流驅動→模型推理→真機執行”的端到端全鏈路閉環。與此同時，DORA社區打造的全天候互動展臺同步成為大會焦點，集中呈現了框架與開源鴻蒙、國產芯片的深度適配成果，開發者可現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，在于呈現了一條“框架-訓推-數據-仿真-協議-本體-教育”的多維度具身智能開源技術棧。從DORA與青龍機器人的集成，到FlagScale的多芯片適配，再到AlohaMini與LeRobot的生態聯動，開源協作正產生“1+1>2”的創新效應，打破技術壁壘，降低產業落地成本。

隨著開放原子開源基金會持續推動框架、數據、協議的開源協同，以及更多開發者的加入，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！