dexmal/dexbotic

解決的問題

Dexbotic 解決了為具身智能開發視覺-語言-行動（VLA）模型的複雜性。它提供一個統一的工具箱，簡化 VLA 開發的整個生命週期——包括預訓練、微調、推論與評估——減少在處理不同機器人策略時對碎片化設定的需求。

工作原理

基於 PyTorch 建構，該工具箱採用基於分層設定、工廠註冊與入口分發的模組化架構。這使得研究人員無需重寫核心邏輯，即可透過實驗腳本更換模型、修改任務設定或新增功能。它支援多種機器人的統一訓練資料格式，並為主流演算法提供優化的預訓練基礎模型。該系統設計用於在本地消費級 GPU 與雲端平台之間運作，特別支援 Blackwell GPU 等高階硬體。

適用對象

專為從事具身智能領域的研究人員與開發者設計，適用於建構或評估用於機器人操作與導航的 VLA 模型。

主要亮點

• 廣泛模型支援：整合主流 VLA 策略，包括 π0、CogACT、OFT、MemVLA 和 DM0。
• 機器人相容性：為 UR5、Franka 和 ALOHA 等機器人提供統一的資料格式與部署腳本。
• 彈性訓練：支援本地與雲端訓練，包含 FSDP2 分散式訓練與 GRPO 強化學習。
• 優化推論：包含統一的 v1 推論 API 與基於 Triton 的即時後端，實現顯著加速。
• 全面基準測試：提供 Libero、CALVIN、SimplerEnv、ManiSkill2 與 RoboTwin2.0 等環境的即用型評估流程。