外观
新闻X12 天前
UCSD发布ORA框架：DeepSeek V4.1驱动机械臂零样本操作
UCSD Hao AI Lab开源ORA框架，利用DeepSeek V4.1-Flash实现机械臂零样本视觉操作。该方案在RoboTwin与LIBERO-Pro基准分别达69.2%和81.4%成功率，支持ARX X5、ALOHA及Franka真机部署。
Franka FR3本文由 AI 根据公开内容整理，可能有误，请以原文为准：UCSD Hao AI Lab (@haoailab)（via AIHOT）：GPT and Claude now operate real robot arms. What about open-weight models? 🤔（X）
核心内容
UCSD Hao AI Lab正式发布开源机器人操作框架ORA，旨在验证开源权重模型在具身智能任务中的可行性。该系统采用DeepSeek V4.1-Flash作为核心推理引擎，通过开源harness实现从视觉输入到真实机械臂控制的零样本操作。团队同步公开了完整基准测试数据、工具链代码及真机演示视频，为社区提供了可复现的Open-weight模型操控实体机器人技术栈。
ORA技术架构采用闭环控制策略，依赖提示词工程、感知几何运动工具及上下文管理模块协同工作。感知层集成SAM 3与深度估计模型，将2D像素实时转换为3D坐标以支撑空间推理。硬件适配方面，系统已验证对ARX X5、ALOHA及Franka机械臂的兼容性。评测数据显示，其在RoboTwin基准成功率为69.2%，LIBERO-Pro基准达81.4%，证明了轻量级开源模型在复杂操作任务中的有效性。
关键看点
- 基准性能：ORA在RoboTwin基准测试中取得69.2%成功率，在LIBERO-Pro基准达到81.4%，量化验证了开源模型能力
- 感知架构：集成SAM 3与深度估计算法，将二维像素输入实时转化为三维空间坐标，支撑零样本几何推理
- 硬件适配：提供标准化机器人卡片接口，已完成对ARX X5、ALOHA及Franka三类主流科研机械臂的真机验证
- 控制机制：构建包含提示词优化、感知几何运动工具及上下文管理的闭环系统，解决开源模型长序列操作稳定性问题
工程与产业观察
ORA证实DeepSeek V4.1-Flash等开源模型经系统化工程封装后，可在零样本条件下达到接近闭源模型的机械臂操作水平。其开源harness与多机型适配方案降低了具身智能研究门槛，为算法工程师评估Open-weight模型在真实物理环境中的泛化能力提供了标准化基准与工具链参考。
线索来源：AIHOT
来源
本页事实对应的公开页面，以原文为准。