具身智能新突破：Dexbotic 2.0 打通SFT与RL，VLA模型进化迎来黄金范式

近日，原力灵机正式宣布，其开源的具身智能原生框架 Dexbotic 已实现对 RLinf 作为分布式强化学习后端的全面支持。对于具身智能领域的开发者而言，这并非一次寻常的工程适配，而是标志着长期困扰 VLA 模型研发的“SFT 与 RL 割裂”难题，正在迎来实质性的突破。

这是一种典型的“乐高式协作”：双方既不强行 Fork，也不粗暴地混合代码，而是保持各自清晰的边界，通过标准化接口实现模块化拼装。Dexbotic 并未隐藏或替代 RLinf，而是为其能力提供了自然的承接入口；RLinf 也并未侵入 Dexbotic 的策略生态，而是以稳定可靠的分布式强化学习能力，为模型后训练构筑了坚实的底座。

更为关键的是，Dexbotic 通过其后端适配器，完整复用了 RLinf 原生的分布式能力，涵盖 Cluster、HybridComponentPlacement、Actor/Rollout/Env Worker 组以及 EmbodiedRunner。目前，该整合已在 LIBERO 系列任务套件中完成端到端验证，并支持 PPO 等算法进行后训练。对开发者而言，这意味着从模型开发、SFT Checkpoint 管理，到 RL 配置编写与任务启动，终于可以在同一个开发流程中自然衔接。

如果说大语言模型时代的黄金范式是“预训练 + SFT + RLHF”，那么在具身智能时代，“VLA 预训练 / SFT + 大规模 RL 后训练”正成为新的模型进化路径。Dexbotic 与 RLinf 的打通，正是这一范式迈向具身智能领域“PyTorch”地位的关键一步。

架构重塑：V-L-A 模块化解耦与多源混训

在复杂的物理世界中执行任务，机器人需要同时具备三种能力：敏锐的视觉感知、强大的逻辑认知以及精细的运动控制。过去，这三者往往被杂糅在一个极其厚重的黑盒网络中，不仅训练成本高昂，且任何单一模块的改进都需对整个系统进行重构。

Dexbotic 2.0 直击此痛点，在业界率先实现了 V（Vision Encoder，视觉编码器）、L（LLM，大语言模型）、A（Action Expert，动作专家）的彻底模块化解耦。

这种“乐高式”的架构设计，带来了前所未有的工程弹性：同一套系统可在感知、认知和控制三个层面进行独立升级、自由替换与混搭。这意味着，算法工程师可以轻松地将最新的视觉基座接入原有系统，以测试空间感知能力的提升；或者更换不同的动作头（Action Head），以适配不同自由度的机械臂。这种符合软件工程“开闭原则”的设计，为快速试验新模型提供了极大的便利。

在解耦的基础上，Dexbotic 2.0 带来了其最具战略意义的训练特性：多源数据混合训练（Co-training）。

传统的具身模型训练往往面临一个两难困境：纯互联网数据缺乏物理世界的操作语义，而真实的机器人轨迹数据又极其稀缺且难以覆盖长尾场景。Dexbotic 的解法是，通过同一套训练过程，让模型同时学会“看懂世界”和“动手操作”。

具体而言，视觉-语言模型（VLM）同时摄入多模态互联网数据（图像/视频+文字）与机器人实操轨迹。在互联网数据上，模型学习三类通用泛化能力：对场景生成精确描述（Caption）、将宏大指令拆解为可执行子步骤（Subtask），以及将自然语言锚定到三维空间中的具体对象（Grounding）。在此基础之上，动作专家（Action Expert）接入系统，将上述高维语义理解直接转化为连续的物理控制序列（如抓取、移动、放置）。

在最新的更新中，Dexbotic 甚至进一步支持了 CogACT 与 Pi0.5 模型的 Co-training（Action Expert + LLM 联合优化）能力。互联网海量数据赋予了模型“通用语义理解”，具身轨迹数据赋予了模型“可落地的操作技能”——两者的联合优化，使得机器人真正做到了“能说清、能看准、能做对”。

工程破局：SFT + RL 的黄金范式与单一入口设计

在大模型（LLM）的发展历程中，SFT（监督微调）让模型学会遵循指令，而 RLHF（基于人类反馈的强化学习）则让模型的能力上限与人类对齐，两者结合铸就了 ChatGPT 的辉煌。同理，在具身智能领域，“VLA 预训练 / SFT + 大规模 RL 后训练”正成为公认的黄金进化范式。

然而，长期以来，具身 RL 的工程落地堪称灾难。研究者必须在两个独立的开源项目间“来回奔波”：在 Dexbotic 等框架中完成 SFT 训练拿到模型权重后，需要手动切换到复杂的 RL 框架仓库，重新编写任务配置、路径适配与数据接口。这种人为割裂的流水线，不仅导致了极高的认知负荷，也让代码维护成本急剧上升。

为了打破这一桎梏，Dexbotic 与顶级强化学习框架 RLinf 达成了深度战略合作，并在工程层面实现了教科书级别的融合。

开源具身智能原生框架 Dexbotic 宣布，正式支持以 RLinf 作为其分布式强化学习后端。此次整合的首要原则，依然是“乐高式架构”所体现的清晰边界：

• Dexbotic 稳守前端本职：继续深耕机器人策略定义、模型注册、Checkpoint 管理、专属数据变换与用户侧实验入口；
• RLinf 稳守后端底座：承担分布式 Rollout、优化、Worker 调度、日志记录与 Runner 编排。

双方拒绝了粗暴的代码融合（Fork 强行揉合），而是实现了模块化拼装。结果是惊人的：开发者无需在两个仓库间跳转，只需停留在 Dexbotic 项目内，通过一行极其简洁的命令，即可启动完整的 RL 后训练流程。进阶用户依然可以通过 Hydra 灵活覆盖底层配置。

更重要的是，通过后端适配器，Dexbotic 完整复用了 RLinf 原生的强大分布式 RL 能力（包括 Cluster、HybridComponentPlacement、Actor/Rollout/Env Worker 组等）。这意味着，Dexbotic 策略终于拥有一套可调、可训、可增益的后训练闭环，模型的动作质量与执行成功率得以持续跃升。

此外，Dexbotic 近期还正式支持了基于 GRPO（群体相对策略优化）的模型后训练。该方案不依赖庞大的 Ray 框架，部署更加轻量，却能实现环境多卡并行推理与点对点数据均匀分配，让 RL 训练吞吐量大幅提高，帮助机器人从“能做”跨越到“更稳定地做好”。

“各司其职，是最好的协作。”Dexbotic 不隐藏、不替代 RLinf，而是为其提供最自然的承接入口。当具身智能进入“持续进化”时代，工程栈的协同能力正成为核心竞争力，而 Dexbotic 与 RLinf 的牵手，无疑树立了行业的标杆。

基础设施：从数据、仿真到真机的完整闭环

如果说算法与架构是具身智能的大脑，那么数据流转与硬件验证机制则是支撑其运作的骨骼与血液。Dexbotic 2.0 系统性地标准化了具身开发的生命周期，从“数据—训练—评测—硬件”四个环节构建了无缝闭环。

在数据引擎层面，框架提出了极简且高效的 DexData 统一数据格式。该格式创造性地将 Prompt、子任务拆解、目标物体 3D 框选以及机械臂 2D/3D 轨迹信息整合于一体，大幅压缩了多源数据对齐的工程开销。

在评测基准层面，Dexbotic 展现出了强大的生态包容力。在仿真端，通过高度封装的 Docker 环境，框架一口气适配了 5 款主流物理仿真器，并将所有仿真训练数据一键转化为 DexData 格式开源至 Hugging Face，彻底扫清了“复现不公平”的科研障碍。在真机端，Dexbotic 更是直接打通了全球首个具身智能大规模真机评测平台 RoboChallenge 的评测接口，并进行了全面开源代码贡献，让“开发-训练-推理-评测”的链路在物理世界中真正落地。

在最新前沿探索方面，Dexbotic 近期取得新突破，正式实现对 UniNaVid 开源项目的深度集成。这不仅涵盖了评估和 SFT 训练功能，还完成了对 DexDataset 数据格式的适配，从而打通了从数据接入、模型微调到基准测试的导航任务完整链条，为视觉语言导航（VLN）和具身导航领域的持续演进铺平了道路。

在硬件支持层面，Dexbotic 的扩展从未停歇。除了已有的 ALOHA、UR5、Franka 和 ARX5 系列外，该框架不仅新增了对星海图 Galaxea R1 的支持，还前瞻性地接入了 NVIDIA GR00T N1，加速人形机器人的训练与部署。更值得关注的是，原力灵机推出了完全开源的硬件产品 Dexbotic Open Source – W1（DOS-W1）和 SO-101，并全面适配了 XLeRobot 生态。以 DOS-W1 为例，其设计图纸、物料清单（BOM）和组装代码全部公开，大量采用快拆结构和符合人体工学的抗疲劳设计，大幅降低了数据采集门槛和设备维护成本。

巅峰验证：DM0——全球首个从零训练的具身原生大模型

检验一个底层框架强大与否的最佳方式，是看它能孵化出怎样的前沿模型。2026 年 2 月，基于 Dexbotic 框架研发的 DM0 大模型震撼发布。

作为全球首个从零开始训练的具身原生大模型，DM0 在权威真机评测基准 RoboChallenge 上，凭借 2.4B 参数规模，一举夺得单任务与多任务双项第一，成功登顶全球榜首。

DM0 的成功，是对 Dexbotic 框架优势的极致体现。其展现出的极高“智能密度”，得益于预训练阶段对操作、导航、全身控制三类核心任务的系统性混合。DM0 的训练数据覆盖了 UR、Franka 等 8 种构型迥异的机器人硬件，在强大的框架调度下，模型被迫学习底层通用的“物理操作逻辑”，而非死记硬背特定硬件的运动学参数，从而获得了令人瞩目的跨机型泛化能力。

更令人惊叹的是，依托 Dexbotic 的多模态数据处理能力，DM0 构建了独创的“空间推理思维链（Spatial Reasoning Chain-of-Thought）”。模型能够将环境感知、任务理解、运动规划与精细执行进行逻辑串联，完成诸如“先寻找目标、移开遮挡物、再进行拍照发送”这类需要长程多步骤空间推理的广义复杂动作。

持续迭代：半年的生长，千人的共建

自 2025 年 10 月发布以来的短短数月，Dexbotic 展现出了令人侧目的演进速度：

• 2025-10-20：Dexbotic VLA 代码库开源，提出数据、模型、实验三大核心层级；
• 2025-12-29：全面适配支持 Pi0.5 与 OFT 模型，解锁其开发全链路；
• 2026-01-08：快速跟进硬件迭代，发布适配 Blackwell GPU 架构的专用镜像；
• 2026-01-15：NaVILA 导航算法、SimpleVLA-RL 合入主线，推出 GRPO 轻量级后训练方案；
• 2026-02-10：官宣与 RLinf 战略合作，打造具身智能的 PyTorch，发布登顶全球的 DM0 模型；
• 2026-03-30：硬件生态爆发，适配 XLeRobot、接入 NVIDIA GR00T N1，并为 Pi0.5 开启一键混训功能；
• 2026-05-09：全面兼容 UniNaVid，将版图强势扩张至泛具身导航领域。

高频的迭代带来了极其繁荣的生态回馈。目前，Dexbotic 已成功服务包括清华大学、北京大学、普林斯顿大学、帝国理工学院在内的数十家顶尖高校，以及腾讯、北京具身智能机器人创新中心等头部产业机构，累计触达研发者超过千人。

正如 Linux 之父林纳斯·托瓦兹所言：“软件进化需要群体的智慧。”

Dexbotic 拒绝了“闭门造车”的技术路线，而是选择将自己打造为具身智能领域的“基础运行层”。随着原力灵机、清华大学、无问芯穹等多方力量的持续汇聚，一个属于具身智能的繁荣开源生态正在形成。

当“大模型 + 机器人”从实验室的概念走向千行百业的真实场景，工程框架的协同演进能力，已成为与模型算力同等重要的竞争维度。从解决数据格式的细枝末节，到重塑 SFT+RL 的顶层研发闭环，Dexbotic 的每一步更新，都在为通用智能机器人的到来夯实基建。

毫无疑问，具身智能的“PyTorch 时刻”已经开启。而 Dexbotic，正致力于成为承载这一历史进程的坚实基石。

欢迎全球研究者与开发者关注、Star，并共同参与 Dexbotic 社区建设，探索具身智能的无限可能。

• 项目官网：https://dexbotic.com/
• GitHub 开源仓库：https://github.com/dexmal/dexbotic
• Hugging Face 模型集：https://huggingface.co/collections/Dexmal/dexbotic