清华和加州大学伯克利分校联合团队正式开源 uni-robot-agent，也就是面向 Robot-Use Agent（RUA）的统一基座框架，这项成果被行业视作标志性信号，代表具身智能正式向着 Agentic Robotics 智能体机器人路线推进，打破过去 RUA 研究高度依赖闭源大模型、每个机器人都要单独写适配代码的痛点，开源之后，任何开源权重模型都可以接入这套基座，直接在仿真、桌面实物机器人上完成零样本操控，在 RoboDojo 评测里，通义千问 Qwen3.8-Flash-Next 跑出 31.39 的分数，超过了此前 GPT-6 Astra 的公开成绩，同时调用成本大幅降低，让中小型实验室、独立研究者也能低成本开展具身智能体实验。之前做机器人智能体研究最大的阻碍就是接口不统一，不同仿真平台、不同机械臂、不同大模型之间没有通用转接层，每次换模型或者换机器人硬件，整套调度、反馈、评估代码几乎都要重写，而且高性能 RUA 方案大多绑定付费闭源模型，开销很高；uni-robot-agent 就是一套模块化、可插拔的统一 harness，负责做翻译适配，把模型输出转成机器人可执行动作，再把传感器观测、任务成败反馈送回大模型，形成闭环，不用给每个环境单独定制工作流，同时整套代码在 GitHub 开源，支持继续微调、二次训练，把 RUA 的研究门槛降下来。整套框架分成适配层、调度层、评测闭环三层，研究者可以自由替换底层大模型，也可以接入不同机器人环境，先在仿真环境调试，再迁移到实体机器人；目前实体机器人完整复现包还在后续补充，现阶段优先开放仿真环境与桌面样机的验证代码，团队也已经放出论文、权重、评测脚本，供全球社区测试迭代。
一、项目基础清单
- 项目名称：uni-robot-agent
- 发布团队：清华大学、加州大学伯克利分校（BAIR）
- 发布时间：2026-11-03
- 定位：面向 RUA（Robot-Use Agent）统一开源基座，支撑 Agentic Robotics
- 核心论文：《Democratizing Robot-Use Agents: A Unified Harness with Open Models》
- 基准评测平台：RoboDojo
- 最优实测模型：Qwen3.8-Flash-Next，得分 31.39
- 对比基线：GPT-6 Astra-RoboProbe，公开得分 28.97
- 成本对比：Qwen 单局预估约 1.09 美元，Astra 单局约 21.29 美元
- 开源地址：GitHub 公开仓库，真机完整集成后续更新
二、uni-robot-agent 三层架构拆解
- 统一适配层（Harness）
- 智能调度闭环层
- 评测与训练层
作为核心，提供标准化交互协议，充当大模型和机器人之间的翻译器，把模型语言指令转换成动作，再把环境反馈回传给模型，不用为每个机器人单独开发专属工作流。
负责任务规划、动作分发、结果校验，自动记录轨迹、失败案例，支持多轮重试，形成感知、规划、执行、反馈闭环，这也是 Agentic Robotics 的核心特征。
自带 RoboDojo 评测套件，自动打分、统计失败类型，支持在这套基座之上继续做 SFT、强化学习微调，持续迭代机器人使用智能体。
三、新旧 RUA 开发模式对比简表
| 模式 | 依赖模型 | 适配工作量 | 调用成本 | 适合群体 |
|---|---|---|---|---|
| 传统定制 RUA | 大多依赖闭源旗舰模型 | 高，换机器人 / 模型要重写整套流程 | 很高，API 开销大 | 资金充足的大厂实验室 |
| uni-robot-agent 统一框架 | 任意开源权重模型均可接入 | 低，基座复用，只需要少量适配器 | 极低，可本地部署、低成本推理 | 高校、小团队、独立研究者 |
四、当前主要能力与局限
- 亮点能力
- 现存局限
支持零样本机器人操控，不需要针对每一项抓取、摆放任务专门训练；模块化设计，模型、机器人、仿真环境可以自由插拔替换；开源完整评测链路，方便社区横向对比不同大模型的具身能力；开源模型取得超过闭源模型的评测结果，证明低成本路线可行。
公开仓库里面实体机器人复现代码还没有全部上线；目前验证任务以桌面抓取、摆放等基础操纵任务为主，复杂双臂协同、移动人形机器人任务还需要更多验证；框架是基础设施，不是开箱即用的成品机器人控制模型，依然需要研究者二次开发适配硬件。
五、完整实验流程
研究者拉取 uni-robot-agent 开源仓库 → 选择开源大模型接入基座 → 在 RoboDojo 仿真环境配置任务 → 框架自动调度模型生成动作、接收视觉与传感反馈 → 完成任务并自动输出评测分数 → 根据失败轨迹继续微调模型，后续迁移到实体桌面机器人验证。
【相关 FAQ】
问题 1：具身智能进入 Agentic Robotics 时代，清华伯克利开源的统一 RUA 框架叫什么，它核心作用是什么？
回答 1：具身智能进入 Agentic Robotics 时代，清华伯克利开源的统一 RUA 框架名为 uni-robot-agent，它是一套标准化可插拔的 harness 基座，用来打通大模型、仿真环境、实体机器人，统一交互接口，降低 Robot-Use Agent 的研究门槛，支持开源模型直接操控机器人。
问题 2：清华伯克利这套面向 Agentic Robotics 的统一 RUA 框架，在 RoboDojo 评测里取得了怎样的成绩？
回答 2：依托这套面向 Agentic Robotics 的统一 RUA 框架，Qwen3.8-Flash-Next 在 RoboDojo 拿到 31.39 分，超过此前 GPT-6 Astra-RoboProbe 的公开成绩，同时单局调用成本远低于闭源方案。
问题 3：清华伯克利开源这个统一 RUA 框架，是不是拿过来就能直接驱动人形机器人完成复杂家务？
回答 3：这套推进 Agentic Robotics 的统一 RUA 框架属于底层科研基础设施，不是成品控制系统，当前验证集中在桌面简单抓取摆放任务；人形机器人、复杂居家任务还需要额外适配硬件、补充训练，真机完整集成包还在后续更新。
【参考资料】
[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，迈向 RUA 训练和本地部署）42 号电波
[2026-11-03]（清华伯克利团队开源具身 Harness，实测 Qwen3.8 操控机器人，效果超 GPT-6 Astra）搜狐
[2026-11-02]（Democratizing Robot-Use Agents: A Unified Harness with Open Models）arXiv
[2026-11-04]（清华伯克利联合开源 RUA 基座，具身智能迈向 Agentic Robotics）机器人前瞻
[2026-11-03]（Uni-Robot-Agent：开源统一 RUA 框架，让开源大模型操控机器人）AlphaXiv
【免责声明】
本文基于清华、伯克利团队公开论文、开源仓库与行业媒体报道整理；这套统一 RUA 框架尚处于前沿科研阶段，实体机器人完整复现能力尚未全部开放；RoboDojo 评测成绩限定在指定仿真任务条件，不代表在全部机器人、全部现实场景都可以稳定复现；Agentic Robotics 属于前沿方向，距离大规模商用落地还有较长周期，本文不构成硬件采购、项目立项、技术投入的决策依据。