UCSD Hao AI Lab 发布 ORA 博客与代码

Hao AI Lab通过项目博客和GitHub仓库发布ORA，项目定位为让开放权重语言模型在不进行VLA训练、机器人训练或任务专属记忆的条件下操作机器人，关注价值在于其把模型能力、工具调用和机器人执行环节整合为可复现实验框架。

• GitHub README称，ORA覆盖LIBERO、LIBERO-Pro、RoboTwin 2.0和RoboDojo等环境，并提供独立的任务运行与成功判定流程。
• 项目将感知、深度几何、抓取提议和运动规划作为模型可调用工具，同时由监督器检查动作后再执行。
• 仓库记录模型请求、工具调用、动作回执和官方判定，支持对单次运行进行回放。
• README列出的RoboTwin和LIBERO-Pro成绩分别为69.2%和81.4%，属于项目自身披露的基准结果，不能直接推导出真实机器人环境中的同等表现。
• 影响/看点：如果第三方在相同硬件、模型、任务集和提示条件下复现实验，ORA可能为开放权重机器人智能体提供可比较的基线；其外推价值取决于评测覆盖范围和真实环境验证。资料依据:
• Hao AI Lab ORA GitHub（2026-10-15）：https://github.com/hao-ai-lab/ORA
• Hao AI Lab ORA博客（2026-10-15）：https://haoailab.com/blogs/ora

本内容由 AI 生成，仅供参考，请注意甄别