- 现有**具身智能(Embodied AI)** 系统在真实世界部署时，硬件成本高且不开放，**视觉-语言-动作(Vision-Language-Action, VLA)** 模型依赖大规模预训练数据和商业闭源方案，导致可重复性差
- 研究背景：具身AI需要同时实现精确硬件和鲁棒策略，但目前缺乏统一的低成本、开源软硬件平台，制约了学术研究与社区协作
- 提出**OpenEAI-Platform** 开源平台，包含**OpenEAI-Arm** 机械臂（6+1自由度，低制造成本）和**OpenEAI-VLA** 模型
- OpenEAI-Arm采用**开源机械设计** 和**柔顺控制(compliance control)** 方法，在降低制造成本的同时提升运动精度
- OpenEAI-VLA基于**Qwen3-VL-4B** 大语言-视觉底座，使用**扩散变换器(Diffusion Transformer)** 动作头，分两阶段仅用开源机器人和多模态数据集训练
- **全开源软硬件统一**：首次同时开源低成本6+1自由度机械臂部分（含设计图、驱动）与可复现VLA模型，降低具身AI研究门槛
- **性能对比优势**：在四项真实操作任务中，OpenEAI-Arm在相同策略下超越两款商业6+1自由度机械臂；OpenEAI-VLA仅用有限预训练数据即达到大规模预训练**pi0** 基线的成功率
- **两阶段训练策略**：仅利用公开数据集，无需专有数据即可训练出高性能VLA策略
- 为具身AI社区提供了一套**低成本、可复现** 的软硬件统一平台，推动可重复性研究与大规模数据收集
- 在真实任务中验证了开源方案可媲美甚至超越商业硬件，证明了**开源生态** 在具身AI中的潜力
- 开源全部设计、驱动、模型和训练/数据流水线，促进后续研究与应用落地