清华与伯克利联合团队推出并开源 uni-robot-agent(统一 RUA 框架),也就是面向 Robot-Use Agent 的标准化 Harness,核心目标就是降低 Agentic Robotics 的研发门槛,让不同大模型、不同机器人硬件、仿真环境共用一套交互接口,推动具身智能从固定策略走向可以自主规划、调用工具、接收反馈的机器人智能体时代。过去做 RUA 机器人智能体有两个很大的卡点,一是大多依赖闭源顶尖大模型,研究者没法拿交互数据继续微调训练;二是每换一款机械臂、人形机器人或者仿真平台,就要重新写一套工具接口、反馈解析逻辑,迁移成本极高,很难横向对比不同模型方案。这套 uni-robot-agent 框架把工具调用、环境适配、结果反馈全部做成标准化模块,模型只需要按统一格式下发指令、读取感知和执行反馈,既能跑仿真,也能直接对接真实机器人,同时支持开源权重模型持续训练,在 RoboDojo 基准测试里,通义千问 Qwen3.8-Flash-Next 在不使用特权信息的前提下得分 31.39,超过此前 GPT-6 Astra 的公开成绩 28.97,还在 19 项真实机器人操作任务上拿到不错效果,证明开源模型搭配这套 RUA 框架,也能做出有竞争力的机器人操作能力。整套框架的使用流程,就是先接入对应的环境适配器,再挂载不同大模型,下发自然语言任务指令,框架自动完成感知采集、工具调用、动作下发、结果回传,循环迭代直到任务完成,给 Agentic Robotics 领域提供一套通用、可复现、可消融实验的基础底座。
一、项目基础信息清单
- 项目名称:uni-robot-agent(统一 RUA 框架)
- 发起团队:清华大学、加州大学伯克利分校 BAIR 实验室
- 论文标题:Democratizing Robot-Use Agents: A Unified Harness with Open Models
- 开源地址:GitHub Open-RUA 仓库
- 项目主页:openrua.ai/uni-robot-agent
- 论文发布时间:2026-11-02
- 核心定位:面向 Agentic Robotics 的模块化 RUA 统一 Harness
- 评测基准:RoboDojo、19 项真实机器人操作任务
- 支持模型:Qwen、DeepSeek、GPT-6 Astra 等开源 / 闭源多系列模型
二、uni-robot-agent 四大核心模块
- 标准化工具接口层:统一动作调用、感知读取的格式,屏蔽不同机器人、仿真环境的底层差异
- 环境适配器:对接各类仿真平台、真实机器人硬件,不用改动上层 Agent 逻辑
- 反馈解析模块:统一采集执行结果、成败、观测信息,回传给大模型做闭环思考
- 训练评测底座:支持仿真 + 真实数据联合训练,自带消融实验、分数统计能力
三、新旧 RUA 方案对比
| 对比项 | 传统定制化 RUA 方案 | uni-robot-agent 统一 RUA 框架 |
|---|---|---|
| 接口适配 | 机器人、仿真环境单独开发一套接口,迁移麻烦 | 统一接口规范,换机器人只换适配器 |
| 模型兼容性 | 大多绑定单一闭源模型,很难用开源模型 | 支持多款开源、闭源大模型,可横向对比 |
| 二次训练 | 闭源模型无法拿交互数据继续微调 | 开源模型支持持续增量训练 |
| 实验可复现性 | 代码耦合严重,不同方案很难对比 | 模块化设计,方便消融实验、公平对比 |
| 适用方向 | 单点机器人 Demo 演示 | 通用 Agentic Robotics 研究、批量评测 |
四、RUA 框架完整运行流程
- 任务输入:用户给大模型下发自然语言机器人操作任务
- 感知获取:框架读取相机、传感器观测,整理成统一格式传给模型
- 工具规划:模型输出动作指令,框架通过标准化工具接口下发给机器人
- 执行反馈:机器人执行动作之后,把结果、新观测回传给框架
- 循环迭代:模型根据反馈重新思考、调整动作,直到任务完成或者判定失败
- 数据留存:全程交互轨迹保存,用于后续微调、评测
【常见问题】
问题 1:Agentic Robotics 里的 RUA 是什么,清华伯克利这套统一 RUA 框架 uni-robot-agent 起到什么作用?
回答 1:RUA 全称 Robot-Use Agent,也就是机器人使用智能体,属于 Agentic Robotics 方向;清华伯克利这套统一 RUA 框架 uni-robot-agent 是一套标准化 Harness,统一工具、感知、反馈接口,让大模型不用改代码就能操控不同机器人和仿真环境,降低 Agentic Robotics 研究门槛。
问题 2:这套统一 RUA 框架 uni-robot-agent,评测成绩是什么水平?
回答 2:在 RoboDojo 基准上,搭配 Qwen3.8-Flash-Next 开源模型拿到 31.39 分,超过之前 GPT-6 Astra 的 28.97 分,同时在 19 项真实机器人操作任务上验证有效,证明开源模型依托这套统一 RUA 框架也能实现不错的机器人操作能力。
问题 3:Agentic Robotics 和传统具身智能机器人方案差别在哪?
回答 3:传统具身智能大多是固定运动策略、预训练机器人策略;Agentic Robotics 依托 RUA 智能体,大模型自主思考、按需调用工具、根据执行反馈不断调整动作,更像自主规划完成任务的智能体,灵活性更强。
问题 4:uni-robot-agent 统一 RUA 框架是否开源,开发者怎么使用?
回答 4:uni-robot-agent 统一 RUA 框架已经开源,代码托管在 GitHub Open-RUA 仓库,配套项目主页和论文,开发者可以接入自己的机器人硬件、仿真环境,替换不同大模型做 Agentic Robotics 相关实验。
问题 5:这套统一 RUA 框架 uni-robot-agent 最核心的创新点是什么?
回答 5:它的核心创新是做了一套跨模型、跨硬件、跨仿真环境的统一交互底座,打破过去 RUA 方案绑定特定模型和机器人的问题,同时支持开源模型持续训练,推动 Agentic Robotics 研究普惠化。
【参考资料】
[2026-11-12](具身智能进入 Agentic Robotics 时代?清华、伯克利开源统一 RUA 框架)36 氪
[2026-11-04](开源模型也能直接操作机器人!清华 x 伯克利发布 uni-robot-agent)搜狐
[2026-11-02](Democratizing Robot-Use Agents: A Unified Harness with Open Models)arXiv
[2026-11-02](OpenRUA 官方项目介绍:uni-robot-agent 统一 RUA 框架)openrua.ai
【免责声明】
本文信息来自论文、开源项目主页、行业媒体公开报道,uni-robot-agent 统一 RUA 框架属于前沿 Agentic Robotics 科研项目,框架能力、硬件适配范围、落地稳定性还在迭代;本文仅做技术科普,不构成选型、开发、投资建议,代码、参数、使用许可以 GitHub 仓库和官方论文为准。
