清华与UC Berkeley发布uni-robot-agent：让开源模型控制真实机器人

清华大学和加州大学伯克利分校团队开发了uni-robot-agent框架，通过Codex和Claude Code运行环境接入Qwen3.8-Flash-Next、DeepSeek-V4.1-Flash、GPT-6 Astra等模型，结合SAM3和Intel RealSense D405深度相机，将观察、移动机械臂、抓取整合为标准工具。接入框架后，开源的Qwen3.8-Flash-Next在RoboDojo模拟测试得分从1.90分升至31.39分，超过GPT-6 Astra旧框架下的28.97分。在19项真实双臂机器人任务中，它未经训练拿到53.50分，超过微调10小时的专用模型π0.5。成本上单次任务API花费1.09美元，比GPT-6 Astra的21.29美元低约95%，边动边想模式最多缩短73.7%耗时。