清华与伯克利开源机器人智能体框架 真机测试得分领先

清华大学丁宁、刘知远、徐梦迪、周伯文等团队联合加州大学伯克利分校教授、BAIR联合主任Pieter Abbeel团队，推出并开源uni-robot-agent。该框架为Robot-Use Agent建立统一、模块化的Harness，让语言模型通过标准化工具接口操控不同机器人和仿真环境。

框架分为Agent、Orchestration、Tools、Services和Backends五层，可独立替换模型、工具和机器人后端；接入新环境主要实现适配器。代码与部署说明已开放：https://github.com/Open-RUA/uni-robot-agent，开发者可在对应硬件上运行、替换模型并测试任务。

在RoboDojo的42项任务上，Qwen3.8-Flash-Next搭配该框架取得31.39分、成功率25%，高于官方此前公布的GPT-6 Astra + RoboProbe的28.97分；同一框架下GPT-6 Astra取得51.90分。

真机19项任务中，未经任务专项微调的Qwen取得53.50分，分别领先微调后的π₀.₅和零样本Dream-1达5.75分和10分；GPT-6 Astra取得80.50分。不过，Qwen和Astra使用RGB加RealSense D405深度信息，π₀.₅和Dream-1仅用RGB，成绩差异不能完全归因于模型。

成本方面，Qwen平均每次任务API费用约1.09美元，DeepSeek-V4.1-Flash为0.94美元，Astra为21.29美元。