中國移動 Open-RAIL 如何把 AI 模型接上機器人

機器人能理解指令，不等於能流暢地完成動作。視覺語言動作模型（VLA）與世界動作模型（WAM）通常分段產生動作，但機器人控制系統需要持續收到指令。中國移動開源的 Open-RAIL 就是一層介於模型與機器人硬體之間的執行中介軟體：它不負責訓練模型，而是處理推理速度、控制頻率與不同設備介面之間的落差。69

模型還在計算，機器人如何不停下來？

Open-RAIL 採用服務端與機器人端客戶端分離的架構，讓模型推理與機器人的感測、執行不必綁在同一步驟。觀測、推理和控制以非同步方式進行：機器人執行目前這段動作時，模型可以同時計算下一段。相關報導所列的模型推理頻率約為 每秒 5 至 10 次，機器人控制則為 每秒 200 至 500 次；這正是框架試圖銜接的速度差。36

新動作即使及時送達，也可能在段內抖動，或在接上上一段時出現突變。因此，Open-RAIL 分兩步處理：先平滑單一動作段的軌跡，再把新動作段與正在執行的軌跡融合。較早的 VLA-RAIL 預印本指出，這套方法旨在維持動作段交界處的位置、速度與加速度連續；平滑發生在執行層，不必修改模型權重。123

換模型、換機器人，不必重寫整條流程

在機器人端，輕量級硬體抽象層提供讀取狀態與下達動作的共同介面，新設備可透過驅動適配器接入。在模型端，統一的推理介面讓不同模型以相同流程提供動作，並由註冊與路由機制接上所選適配器。這能減少整合工作，卻不保證任意模型輸出的動作都適合任意機器人。3810

中國移動公布的首版規模為 4 種機器人後端、10 個模型項目。支援清單的相關整理列出三個實體平台——Agibot G1、Ti5 T170C、Navi WA2——以及一個以 LeRobot 為基礎的模擬後端；模型項目涵蓋 ACT、GR00T N1 系列、RDT-1B、SmolVLA、AgiBot GO-1、π0 系列與 TAO。這是接入清單，不能解讀成所有模型與機器人組合都經過測試。918

公布了哪些成效？還缺哪些驗證？

據中國移動公布的數據，使用 Open-RAIL 後，關節加速度的標準差由超過 10 rad/s² 降至約 0.1 rad/s²；新機器人的接入時間可由數週縮短至數小時，而新模型約需 50 至 100 行適配程式碼。這些都是專案方報告的成果，並非涵蓋所有硬體與模型組合的獨立基準測試。611

框架也會在真機執行時保存觀測資料、機器人狀態與推理結果；若操作人員介入修正，相關紀錄亦可對齊保存，供後續訓練與評估使用。依發布報導，推理服務可部署於裝置端、邊緣端或雲端，而不必修改上層應用程式碼。不過，現有資料尚不足以證實資料蒐集沒有額外負擔，或三種部署位置能提供相同效能。5611

想查看程式碼與文件，可從 Open-RAIL 專案頁面 開始；發布報導稱程式碼採 Apache-2.0 授權，並可透過 GitHub 與 Gitee 取得。若想進一步了解非同步連接、軌跡平滑與動作段融合的技術設計，可參考較早的 VLA-RAIL 預印本。139