Open-RAIL – 中国移动开源的 VLA 模型推理与机器人执行连接中间件

Open-RAIL（VLA-RAIL）是一款由中国移动具身智能产业创新中心于 2026 年 9 月开源的VLA 模型推理与机器人执行连接中间件，主要用于把低频的模型推理与高频的电机控制解耦，支持两级轨迹平滑与端边云三种部署位置，适用于人形机器人操作部署、实验室真机验证与异构机体适配等场景。

Open-RAIL 的核心能力

它既不训练模型，也不制造机器人，只处理两者之间那段容易被低估的工程落差：把推理与控制的频率差吸收掉，再把每次运行顺手变成可训练的数据。

三线程异步：控制环不再等模型

同步实现里，控制周期的最短延迟就等于模型延迟，而一次推理要几百毫秒，控制环却按几十到上千赫兹运行。Open-RAIL 把链路拆成三条互不等待的线程：观测线程 30 Hz 采集相机与本体数据，推理线程 5 至 10 Hz 产出动作块，控制线程 200 至 1000 Hz 消费已经填好的动作缓冲。一份推理结果被后续多个控制周期复用，空闲等待从「一整个推理延迟」降到接近 0。官方给的速度上限是最高 2.09 倍，对照的是未经封装的原始 VLA 基线，不是哪个同类中间件。

两级在线平滑：把关节加速度标准差压两个数量级

频率差抹平后，剩下的抖动来自动作块本身：块内可能有离散跳变，相邻块的接缝也可能断开。块内平滑提供三次样条插值加夹爪零阶保持，以及可配阶数（默认 4 阶）的最小二乘多项式拟合；块间融合提供四种模式，含搜索动作重同步、带速度与加速度钳位的 PD 跟踪、默认的五次最小加加速度混合与直接透传。两级叠加后，官方给出的关节加速度标准差从 10+ 降到 0.1 rad/s²，机械冲击随之减小。

换模型、换机体、换部署位置，都只改配置

统一模型接口约定输入输出格式与预处理，统一的机器人接口配合 action_layout 统一动作映射。当前支持 12 个模型、9 个家族，含 GR00T N1 系列三款、π0 与 π0.5、ACT、RDT-1B、SmolVLA、GO-1、DM0.5、Wall-OSS-0.5 与自研 TAO，接入新模型只需 50 至 100 行业务代码。机体侧已适配中国移动灵犀、AgiBot G1、NAVIAI-WA2 与宇树 G1 四款真机，外加一个仿真后端；部署位置从机载换到边缘或云端，改的只是通信地址。

运行即采集：过程数据自动写成可导出片段

客户端在运行中自动把图像、关节状态、模型输出与控制指令写成 LeRobot 格式的 Parquet 片段，按增量追加，不必另开一轮采集；子任务在线评分同步写入，可导出 JSON 或 CSV 并与片段关联。人为纠偏的混合模式（纯推理、纯遥操作、混合三选一，支持暂停、接管与状态预对齐）在官方文档里标注为 10 月开放，当前版本尚未包含，评估时不能算进现有能力。

它和站内那些 VLA 模型页不是一回事

站内介绍过的 LingBot-VLA 2.0 与 Helix 2.5 讲的是模型自身的参数量、动作输出与训练配方；Open-RAIL 不提供任何权重，它解决的是拿到 checkpoint 之后的那段：怎么让模型在自己的机器上不抖、不断流，执行完之后还能留下可训练的数据。两者是上下游关系，不能互相替代。

Open-RAIL 与同类机器人运行时方案的对比

下表把 Open-RAIL 与三类常见替代路线并列：端到端的机器人学习框架、通用的机器人软件开发框架，以及同属运行时层的两个代表。

上表来源：Open-RAIL 取自官方仓库 README 与项目主页，LeRobot、ROS 2 取自各自官方仓库，AimRT 取自其 README 与许可证文件。差别集中在三处：是否实现策略上它只做接入，换模型比换框架便宜；机体覆盖上它适配 4 款真机加 1 个仿真后端，少于 LeRobot 官方清单的 13 项；运行数据格式上它落成 LeRobot 格式的 Parquet，可与对方数据集互通。要现成策略库选第三列。

被连接的另一端同样重要：站内写过蚂蚁灵波开源的 LingBot-VLA 2.0，可以对照看模型侧的能力边界。

Open-RAIL 的应用场景与适用人群

它对应的是「模型有了、机器也到了，中间那层没人写」的情形，常见场景包括：

• 人形机器人的真机部署：把 π0.5、GR00T 这类模型的输出接上灵犀、AgiBot G1 一类机体，重点是不抖、不断流。
• 实验室复现与横向比较：换模型只改配置，采集、评分、录制走同一条路径，几个模型能在同一口径下对比。
• 无硬件时的链路验证：用仿真后端重放已有的 LeRobot 数据集，先确认服务端与客户端通路，再上真机。
• 厂商适配与方案交付：机器人厂接一次适配，社区新增的模型都能运行。UnifoLM-WLA-1.0 这类自研基座的团队，可以直接把它当作评估环境。

适用人群：做 VLA 与机器人操作方向的研究者、需要把模型落到真机的机器人厂与方案商，以及预算有限、希望先用仿真后端把链路走通的实验室。

Open-RAIL 的使用方法

官方给了三条路径：先装环境起服务端，再在浏览器面板里操作；没有真机时用 Mock 仿真后端先验证链路。系统仅支持 Ubuntu，macOS 当前不支持。

装环境与服务端：源码安装后启动推理

1. 装环境：从 Open-RAIL 官方仓库 克隆代码后执行 conda create -y -n open-rail python=3.10，激活后 pip install -e .；旧流程仍可用 pip install -r requirements.txt。
2. 起服务端：python run_server.py --model_type tao --model_path /path/to/checkpoint，其中 --model_type 是已注册的适配器名，--model_path 指向权重目录。

面板操作：起客户端后在浏览器里跑任务

1. 起客户端：python run_web_client.py，默认读 conf/default_conf.yaml 并监听 9000 端口，可用 --host、--port、--conf 覆盖。浏览器打开本地 9000 端口，看到相机画面与机体状态即为通路正常。
2. 选机体与动作映射：在 conf/*.yaml 里把 robots.type 设成目标适配器，再按配置文档填相机话题、action_layout 与本体感知参数；仿真后端则在 conf/robots_conf.py 里指定 dataset_path。
3. 执行任务：在面板里选任务与语言指令，先启动推理查看动作轨迹，确认无误后再开控制把处理后的动作下发到机器；运行中可实时调速度与平滑模式，40 多个参数随时可改，无需重启。

无真机验证：用 Mock 仿真后端先验证链路

1. 不接真机：在 conf/robots_conf.py 里把后端指向 Mock 仿真，并指定 dataset_path。
2. 先验证再上真机：用仿真后端重放公开数据集，确认动作轨迹正常后再决定要不要接真机。

前置条件：Python 3.10 以上；服务端需要 NVIDIA 显卡、CUDA 与所选模型的依赖；客户端按机体而定，AgiBot G1 要厂商 SDK，中国移动灵犀要 ROS 2，NAVIAI-WA2 要 ROS 1，仿真后端不需要硬件。官方另有中文讲解的视频教程与集成指南，接入新模型、新机体、新平滑算法的步骤分别独立成篇。

Open-RAIL 的项目地址

• 项目主页（架构、兼容清单与教程视频）：https://cmcc-tao.github.io/open-rail/
• GitHub 主仓库（代码、集成指南与协议）：https://github.com/CMCC-TAO/open-rail

Open-RAIL 的价格与开源情况

Open-RAIL 的代码按 Apache-2.0 发布，在 GitHub、Gitee 与焕新社区三处同步开放，下载、修改与商用都不产生许可费用，也没有按调用量计费的接口。

成本落在硬件与算力上。服务端要跑 VLA 模型，需要一块装得下权重的 NVIDIA 显卡；客户端要一台装有对应 SDK 或 ROS 版本的机器，或者用仿真后端先打通链路。近期的开源 VLA 模型多在十亿参数级，单卡推理的显存占用要按具体模型评估，官方未给出统一下限。想先评估可行性，最省的做法是用仿真后端重放公开数据集，确认动作轨迹正常后再决定要不要上真机。

Open-RAIL 的常见问题