Hao AI Lab 推出开源机器人智能体框架 ORA

10月16日

1. 12:00

   Teortaxes相关讨论

   Teortaxes 参与了这场讨论 ↗

   原帖参与热度计算，不等同于正式报道或已确认事实。

2. 09:25

   UCSD Hao AI Lab一手精选

   Hao AI Lab 发布 ORA 开源机器人智能体框架，由 DeepSeek-V4.1-Flash 驱动

   Hao AI Lab 发布 ORA（Open Robot-Use Agents）开源机器人智能体框架，由 DeepSeek-V4.1-Flash 驱动，从视觉输入零样本操作机器人，无需 VLA，与前沿模型智能体同台竞争。ORA 在 RoboTwin 上取得 69.2%、LIBERO-Pro 上取得 81.4%；对比 RPent 在 RoboTwin 上为 62.4%/58.4%（GPT-5.5/Opus-4.7），LIBERO-Pro 上为 82.4%（Opus-4.7）。ORA 的工作方式类似编码智能体，观察场景、调用感知或动作工具、检查反馈再决定下一步，同一套框架可运行 ARX X5、ALOHA 和 Franka，靠机器人卡片描述各自的几何与控制。每个已解决案例的模型成本约 0.30–0.35 美元，按 DeepSeek 非高峰 API 费率估算并包含失败尝试，40 个展示片段平均每个 0.13 美元。团队还在低成本机械臂上做了初步真机测试，DeepSeek-V4.1-Flash 完成了拉开抽屉把手和把糖果棒放入盒子。

   展开摘要
3. 09:25

   UCSD Hao AI Lab一手精选

   Hao AI Lab 发布 ORA 开源机器人智能体框架，由 DeepSeek-V4.1-Flash 驱动

   Hao AI Lab 发布 ORA（Open Robot-Use Agents）开源框架，由 DeepSeek-V4.1-Flash 驱动，从视觉输入零样本操作机器人，无需 VLA，可与前沿模型智能体竞争。ORA 在 RoboTwin 上取得 69.2%、在 LIBERO-Pro 上取得 81.4%；对比 RPent 在 RoboTwin 上为 62.4%/58.4%（GPT-5.5/Opus-4.7），在 LIBERO-Pro 上为 82.4%（Opus-4.7）。其工作方式类似编码智能体，通过提示词、感知与动作工具及上下文管理完成闭环，同一框架可运行 ARX X5、ALOHA 和 Franka，每解决一个案例的模型成本约 0.30–0.35 美元。初步真机测试中，DeepSeek-V4.1-Flash 用低成本机械臂、固定 RGB-D 相机和腕部相机完成了拉开抽屉把手并把糖果放进盒子。

   展开摘要
4. 09:25

   UCSD Hao AI Lab一手精选

   Hao AI Lab 开源 ORA：用 DeepSeek-V4.1-Flash 驱动真实机械臂

   Hao AI Lab 发布开源机器人智能体框架 ORA（Open Robot-Use Agents），由 DeepSeek-V4.1-Flash 驱动，仅凭视觉输入零样本操作机器人，无需 VLA。在初步测试中，ORA 用低成本机械臂、固定 RGB-D 相机和腕部相机完成了拉开抽屉把手并把糖果棒放进盒子的任务。基准上 ORA 在 RoboTwin 得 69.2%、LIBERO-Pro 得 81.4%；带任务专属记忆的 RPent 用 GPT-5.5/Opus-4.7 在 RoboTwin 为 62.4%/58.4%，用 Opus-4.7 在 LIBERO-Pro 为 82.4%。按 DeepSeek 非高峰 API 费率估算，每个成功案例的模型成本约 0.30–0.35 美元，40 个展示片段平均 0.13 美元。

   展开摘要
5. 09:08

   UCSD Hao AI Lab一手

   Hao AI Lab：ORA 机器人智能体每个成功案例约 0.3 美元

   Hao AI Lab 估算，ORA 机器人智能体每个成功案例的模型成本约 0.30–0.35 美元，该估算基于 DeepSeek 的 off-peak API 价格，并包含在 RoboTwin、LIBERO 和 LIBERO-Pro 上的失败尝试；40 个展示片段平均每个 0.13 美元。

   展开摘要
6. 09:08

   UCSD Hao AI Lab一手

   Hao AI Lab 发布 ORA：同一智能体框架驱动 ARX X5、ALOHA 与 Franka

   Hao AI Lab 发布机器人智能体 ORA，用同一套 harness 驱动 ARX X5、ALOHA 和 Franka，各机器人通过 robot cards 描述自身几何结构与控制方式。ORA 的工作方式类似编码智能体：观察场景、调用感知或动作工具、检查反馈再决定下一步，依赖描述机器人与任务的提示词、感知几何与运动工具，以及把近期观测留在上下文、较旧观测存入文件的上下文管理。感知环节用 SAM 3 定位物体，深度信息把图像位置转成以米为单位的三维坐标，再由计算工具处理向量与旋转运算。作者估算每个成功案例的模型成本约 0.30 至 0.35 美元，按 DeepSeek 非高峰 API 价格计算并包含在 RoboTwin、LIBERO 和 LIBERO-Pro 上的失败尝试，40 个展示回合平均每个 0.13 美元。

   展开摘要
7. 09:08

   UCSD Hao AI Lab一手

   Hao AI Lab 发布机器人智能体 ORA，同一套框架驱动 ARX X5、ALOHA 和 Franka

   Hao AI Lab 发布机器人智能体 ORA，其工作方式类似编码智能体：观察场景、调用感知或动作工具、检查反馈再决定下一步。该框架用 robot cards 描述各机器人的几何结构与控制方式，同一套 harness 可运行 ARX X5、ALOHA 和 Franka。据其估算，在 DeepSeek 非高峰 API 费率下，RoboTwin、LIBERO 和 LIBERO-Pro 上每个成功案例的模型成本约 0.30 至 0.35 美元，40 个展示片段平均每个 0.13 美元。

   展开摘要
8. 09:08

   UCSD Hao AI Lab一手

   Hao AI Lab 总结机器人智能体 ORA 三要素

   Hao AI Lab 指出，要让智能体循环在机器人上跑通需要三件事：描述机器人和任务的提示词、用于感知/几何/运动的工具，以及把近期观测留在上下文中、把较早观测存入文件供随时调取的上下文管理。该帖是 ORA 介绍线程的一环，前文称 ORA 的工作方式类似编码智能体。

   展开摘要
9. 09:08

   UCSD Hao AI Lab一手

   Hao AI Lab 发布 ORA：像编码智能体一样驱动机器人

   Hao AI Lab 发布 ORA，其工作方式类似编码智能体：编码智能体读取文件、运行命令并检查结果，ORA 则观察场景、调用感知或动作工具、检查反馈再决定下一步。要让这一循环在机器人上跑通需要三样东西：描述机器人和任务的提示词、用于感知几何与运动的工具、以及把近期观察留在上下文中而将较早观察存入文件的上下文管理。同一套框架可运行 ARX X5、ALOHA 和 Franka，靠 robot cards 描述各机器人的几何与控制方式；SAM 3 定位物体、深度把图像位置转成以米为单位的 3D 坐标，再由计算工具处理向量与旋转数学。按 DeepSeek 非高峰 API 价格估算，在 RoboTwin、LIBERO 和 LIBERO-Pro 上每个成功案例的模型成本约 0.30 至 0.35 美元，含失败尝试，40 个展示回合平均每个 0.13 美元。

   展开摘要
10. 08:58

    UCSD Hao AI Lab一手

    Hao AI Lab 发布 ORA 开源机器人智能体，基于 DeepSeek-V4.1-Flash 零样本操作机器人

    Hao AI Lab 发布 ORA（Open Robot-Use Agents），一个由 DeepSeek-V4.1-Flash 驱动的开源机器人智能体框架，从视觉输入零样本操作机器人，不使用 VLA。ORA 在 RoboTwin 上取得 69.2%、在 LIBERO-Pro 上取得 81.4%；对比 RPent 在 RoboTwin 上为 62.4%/58.4%（GPT-5.5/Opus-4.7），在 LIBERO-Pro 上为 82.4%（Opus-4.7）。按 DeepSeek 非高峰 API 价格估算，每个成功案例的模型成本约 $0.30–$0.35，已包含 RoboTwin、LIBERO 和 LIBERO-Pro 上的失败尝试，40 个展示片段平均每个 $0.13。ORA 的工作方式类似编码智能体，观察场景、调用感知或动作工具、检查反馈后决定下一步，并已用同一套框架驱动 ARX X5、ALOHA 和 Franka，在低成本机械臂的初步测试中完成了拉开抽屉把手和把糖果棒放入盒子。

    展开摘要
11. 08:58

    UCSD Hao AI Lab一手

    Hao AI Lab 发布开源机器人智能体框架 ORA

    Hao AI Lab 发布 ORA（Open Robot-Use Agents），一个由 DeepSeek-V4.1-Flash 驱动的开源机器人智能体框架，从视觉输入零样本操作机器人，无需 VLA。ORA 在 RoboTwin 上取得 69.2%、LIBERO-Pro 上 81.4%，同一套 harness 通过 robot cards 可运行 ARX X5、ALOHA 和 Franka。团队称每个已解决案例的模型成本约 0.30 至 0.35 美元，40 个展示回合平均 0.13 美元，并已在低成本机械臂上完成开抽屉、放糖果棒的初步真机测试。

    展开摘要
12. 08:58

    UCSD Hao AI Lab一手

    Hao AI Lab 发布 ORA 开源机器人智能体框架

    Hao AI Lab 发布 ORA（Open Robot-Use Agents），一个由 DeepSeek V4.1-Flash 驱动的开源机器人智能体框架，从视觉输入零样本操作机器人，无需 VLA。ORA 在 RoboTwin 上取得 69.2%、LIBERO-Pro 上 81.4%，与使用 GPT-5.5 或 Opus-4.7 的 RPent 系统同场对比。每个成功案例的模型成本约 0.30 至 0.35 美元，按 DeepSeek 非高峰 API 价格估算并包含失败尝试；同一框架已通过机器人卡片适配 ARX X5、ALOHA 和 Franka，并在低成本机械臂上完成开抽屉和放置糖果棒的初步实机测试。

    展开摘要
13. 08:58

    UCSD Hao AI Lab一手

    Hao AI Lab 发布 ORA 开源机器人智能体框架，由 DeepSeek-V4.1-Flash 驱动

    Hao AI Lab 发布 ORA（Open Robot-Use Agents），一个由 DeepSeek-V4.1-Flash 驱动的开源机器人智能体框架，从视觉输入零样本操作机器人，无需 VLA。ORA 在 RoboTwin 上取得 69.2%、LIBERO-Pro 上取得 81.4%，对比 RPent 搭配 GPT-5.5/Opus-4.7 的 62.4%/58.4% 与 82.4%。同一套框架通过机器人卡片适配 ARX X5、ALOHA 和 Franka，每个已解决案例的模型成本约 0.30–0.35 美元，40 个展示片段平均 0.13 美元；初步真机测试中 DeepSeek-V4.1-Flash 完成了拉开抽屉把手并把糖果棒放入盒子。

    展开摘要
14. 08:58

    UCSD Hao AI Lab一手

    Hao AI Lab 发布开源机器人智能体 ORA，基于 DeepSeek-V4.1-Flash 零样本操作机械臂

    Hao AI Lab 发布开源机器人智能体 ORA（Open Robot-Use Agents），由 DeepSeek-V4.1-Flash 驱动，仅凭视觉输入零样本操作机器人，不使用 VLA，在 RoboTwin 上取得 69.2%、LIBERO-Pro 上取得 81.4%。ORA 的工作方式类似编码智能体：观察场景、调用感知或动作工具、检查反馈再决定下一步，并通过机器人卡片适配 ARX X5、ALOHA 和 Franka 等不同硬件。团队称每个成功案例的模型成本约 0.30–0.35 美元（按 DeepSeek 非高峰 API 价格估算，含失败尝试），40 个展示片段平均每个 0.13 美元；在低成本机械臂的初步测试中，它完成了拉开抽屉把手和把糖果棒放入盒子。

    展开摘要
15. 08:58

    UCSD Hao AI Lab一手

    Hao AI Lab 发布 ORA：用 DeepSeek-V4.1-Flash 驱动机械臂的开源智能体框架

    Hao AI Lab 发布 ORA（Open Robot-Use Agents），一个由 DeepSeek-V4.1-Flash 驱动的开源机器人智能体框架，仅凭视觉输入零样本操作机械臂，无需 VLA，性能可与前沿模型智能体竞争。在 RoboTwin 上取得 69.2%、LIBERO-Pro 上 81.4%；作为对比，带任务专用记忆的 RPent 在 RoboTwin 上用 GPT-5.5 和 Opus-4.7 分别为 62.4% 和 58.4%，在 LIBERO-Pro 上用 Opus-4.7 为 82.4%。ORA 的工作方式类似编码智能体，观察场景、调用感知或动作工具、检查反馈再决定下一步，同一套框架可运行 ARX X5、ALOHA 和 Franka，靠机器人卡片描述各自的几何结构与控制方式。按 DeepSeek 非高峰 API 价格估算，每个成功案例的模型成本约 0.30 至 0.35 美元，40 个展示片段平均每个 0.13 美元；在低成本机械臂上的初步测试中，它完成了拉开抽屉和把糖果棒放入盒子。

    展开摘要
16. 08:58

    UCSD Hao AI Lab一手

    Hao AI Lab 发布 ORA 开源机器人智能体框架，基于 DeepSeek-V4.1-Flash 零样本操作机器人

    Hao AI Lab 发布 ORA（Open Robot-Use Agents），一个由 DeepSeek-V4.1-Flash 驱动的开源机器人智能体框架，从视觉输入零样本操作机器人，不使用 VLA。ORA 在 RoboTwin 上取得 69.2%、在 LIBERO-Pro 上取得 81.4%；带任务专属记忆的 RPent 在 RoboTwin 上用 GPT-5.5 和 Opus-4.7 分别为 62.4% 和 58.4%，在 LIBERO-Pro 上用 Opus-4.7 为 82.4%。ORA 的工作方式类似编码智能体，通过提示词描述机器人与任务、感知与运动工具、以及上下文管理构成闭环，同一套框架可运行 ARX X5、ALOHA 和 Franka，靠机器人卡片适配不同硬件。团队称每个成功案例的模型成本约 0.30 至 0.35 美元，40 个展示片段平均 0.13 美元；在低成本机械臂上的初步测试中，DeepSeek-V4.1-Flash 完成了拉开抽屉把手和把糖果棒放入盒子。

    展开摘要