Agentic Robotics 时代到来，清华伯克利开源 uni-robot-agent 统一 RUA 具身智能框架

清华大学联合加州大学伯克利团队推出并开源 uni-robot-agent，也就是面向 Robot-Use Agent（RUA）的统一模块化基座框架，这项成果被视作 Agentic Robotics 方向的关键进展，它解决了当前具身智能一大痛点：不同机器人硬件、仿真环境接口不统一，模型想要操控机器人，每次都要单独开发适配代码，成本很高；这套框架提供标准化工具接口与统一反馈格式，兼容开源大模型、闭源模型、多款机器人和仿真平台，评测里 Qwen3.8-Flash-Next 搭配 uni-robot-agent 在 RoboDojo 基准拿到 31.39 分，超过此前 GPT-6 Astra 公开 28.97 分的成绩，同时支持 Code as Policy、混合协作等多种控制模式，不再局限单一控制方案，目标降低 RUA 研究门槛，让开源模型也能稳定操控物理机器人，推动通用智能体直接调用机器人硬件干活，把具身智能推向 Agentic Robotics 路线。

一、项目基础信息表

二、RUA 与 Agentic Robotics 是什么

RUA 全称 Robot-Use Agent，机器人使用智能体，逻辑类比计算机使用智能体（CUA），让大模型像调用软件工具一样调用机器人硬件，接收传感器反馈、自主规划动作、闭环完成任务。

Agentic Robotics，智能体机器人路线，和传统端到端视觉动作模型 VLA 不一样：大模型负责高层任务推理、编写控制逻辑，底层机器人执行器负责运动落地，强调通用智能体作为调度核心，机器人只是智能体可以随时调用的物理工具。

三、框架核心设计亮点清单

1. 统一接口层，屏蔽底层差异
2. 模块化可插拔组件
3. 推理与动作并发执行
4. 不依赖特权输入
5. 同时支持仿真数据 + 真机数据联合训练，方便后续做大模型的机器人专项微调。

一套标准工具调用协议，不同机械臂、传感器、仿真环境通过适配器接入，不用给每个机器人单独写 Agent 调度逻辑。

Agent 运行时、工具集、机器人后端互相独立，可以替换大模型、换机器人、切换仿真 / 真机环境，方便消融实验。

模型思考的同时机器人同步执行动作，减少等待耗时，提升交互效率。

只用常规相机画面、机器人基础参数，不需要特殊内部状态信息，更贴近真实落地条件。

四、过去 RUA 研究面临的痛点

1. 高度依赖闭源模型，权重拿不到，没法基于机器人交互数据持续微调；
2. 机器人硬件生态碎片化，ROS、不同厂商机械臂接口各不相同，迁移成本极高；
3. 方案大多是定制化开发，做完一个任务很难复用在别的机器人场景；
4. 之前开源模型在机器人操控基准上表现偏弱，很难追上头部闭源模型。

五、框架优势与现存局限

✅ 优势

• 拉平开源模型和闭源模型在机器人操控任务上的差距，降低科研门槛；
• 统一标准，形成可复用、可对比的评测底座，方便行业横向对比不同模型；
• 支持代码控制机器人，给复杂精细操作提供新路径；
• 项目完全开源，代码、论文、评测脚本对外公开。

⚠️ 局限

• 当前真机集成模块标注为待完善，公开版本真机复现还需要持续迭代；
• 它是调度基座框架，不是机器人底层运动控制算法，底层伺服、抓取策略依然依赖原有机器人栈；
• RoboDojo 只是仿真基准，真实家庭、工厂复杂场景的长期稳定性还需要大量验证。

【相关 FAQ】

问题 1：Agentic Robotics 时代到来，清华伯克利开源 uni-robot-agent 统一 RUA 具身智能框架，RUA 是什么意思？

回答 1：Agentic Robotics 时代到来，清华伯克利开源 uni-robot-agent 统一 RUA 具身智能框架，RUA 即 Robot-Use Agent 机器人使用智能体，思路是大模型把机器人当成工具调用，自主完成感知、规划、执行闭环任务。

问题 2：Agentic Robotics 时代到来，清华伯克利开源 uni-robot-agent 统一 RUA 具身智能框架，这套框架在 RoboDojo 评测成绩怎么样？

回答 2：Agentic Robotics 时代到来，清华伯克利开源 uni-robot-agent 统一 RUA 具身智能框架，Qwen3.8-Flash-Next 搭配框架拿到 31.39 分，超过 GPT-6 Astra 此前公开的 28.97 分。

问题 3：Agentic Robotics 时代到来，清华伯克利开源 uni-robot-agent 统一 RUA 具身智能框架，Agentic Robotics 和传统 VLA 模型路线差别在哪？

回答 3：Agentic Robotics 时代到来，清华伯克利开源 uni-robot-agent 统一 RUA 具身智能框架，VLA 是端到端视觉直接输出动作；Agentic Robotics 由大模型做高层规划、写控制逻辑，机器人作为工具执行，偏向通用智能体调用物理硬件。

问题 4：Agentic Robotics 时代到来，清华伯克利开源 uni-robot-agent 统一 RUA 具身智能框架，uni-robot-agent 是一个机器人控制大模型吗？

回答 4：Agentic Robotics 时代到来，清华伯克利开源 uni-robot-agent 统一 RUA 具身智能框架，它不是大模型，是一套调度基座 Harness，负责标准化接口、反馈管理、任务流转，可以接入各类开源、闭源大模型。

【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

[2026-11-03]（开源模型也能直接操作机器人！清华 x 伯克利重磅发布 uni-robot-agent）42 号电波

[2026-11-02]（Democratizing Robot-Use Agents: A Unified Harness with Open Models）arXiv

[2026-11-04]（uni-robot-agent 开源，打造 RUA 标准化基座）HyperAI 超神经

【免责声明】

本文信息基于 arXiv 论文、项目开源主页、行业媒体公开报道整理；Agentic Robotics、RUA 属于前沿科研方向，uni-robot-agent 为研究原型框架，真机落地、大规模商用能力仍在迭代；仿真评测成绩不等于真实场景稳定表现；本文仅为具身智能、机器人 AI 资讯科普，不构成机器人项目研发、算力与模型投资建议。