上海交通大学 MINT 实验室推出首个面向具身智能的AI助手邀请开发者加入社区共建项目地址https://github.com/MINT-SJTU/RoboClaw而生。原文链接龙虾机器人RoboClaw首个面向具身智能的AI助手来了先说明白一件事RoboClaw 还在非常早期的阶段。它最后会长成什么样现在谁都不知道。我们能确定的只是一个方向做一个真正面向本体、环境和任务迁移的 AI 助手。所以这篇文章不是宣布完成而是把当前的判断和结构摊开也希望更多人一起把这件事做成。这两年具身智能很热。真机、VLA、世界模型、仿真训练都在快速推进。但真到落地时一个问题始终没有被很好解决当本体变了、传感器变了、环境变了、任务变了系统、技能和记忆还能不能快速迁移我们做 RoboClaw就是想回答这个问题。RoboClaw 不是给某一台机器人包一层智能体外壳也不是把 OpenClaw 直接接上机器人接口。它要做的是一个面向任意本体、任意环境、任意任务的具身智能AI助手。OpenClaw 给了我们一个很重要的起点作为个人AI助手它已经把节点接入、会话管理、工具编排和多入口交互组织成了一个完整系统。但机器人系统比数字世界的助手更复杂。它有本体、有传感器、有运动学、有空间约束、有安全边界也会在真实世界里出错。我们现在认同的架构助手层负责用户、会话、智能体编排、工具路由和远程接入。具身层这是 RoboClaw 最核心的一层重点不是“接上机器人”而是让系统真正理解这个身体。本体建模系统需要先明确关节、末端执行器、传感器和约束分别是什么。空间建联系统需要把坐标系、运动学、工作空间、安全边界和可达范围真正组织起来。能力抽象系统需要把底层硬件能力转成可组合的语义动作和能力图谱。熟悉校准系统需要让新本体在试探、校验和对齐之后逐步形成稳定认知。训练辅助系统还需要帮助人组织本体训练、判断急停时机、恢复本体和环境并决定下一步如何继续。执行层以 ROS2 作为执行中间层负责连接控制器、消息通道、服务调用、动作执行以及安全监督和状态回传。载体层负责连接仿真环境与真实机器人承接部署、验证和回传。这里我们最看重的一点是熟悉过程。一个新本体接进来系统不应该假装自己立刻全懂。它应该先枚举关节和传感器做小幅试探动作建立动作和观测的对应关系校验初始位、运动边界和方向再形成当前状态下的能力图谱。这也是我们为什么不希望把机器人差异都丢给提示词更不希望大模型直接输出低级关节指令。更合理的链路应该是用户目标 - 任务理解与技能选择 - 动作协议与执行监督 - ROS2 执行 - 仿真或真机本体也就是说RoboClaw 提供的不是一组预先写好的功能而是一套构建这些语义动作和技能能力的方式让同一套任务可以迁移到不同本体上而不是每换一个机器人就重写一遍底层控制。写在最后如果一句话概括我们想做的事情那就是RoboClaw 不是“机器人版 OpenClaw”。它是沿着 OpenClaw 的助手系统思路继续向真实世界延伸的具身智能AI助手。上海交通大学 MINT 实验室欢迎对具身智能、机器人系统、训练平台、技能AI助手与真实世界部署感兴趣的朋友交流与共创。项目地址https://github.com/MINT-SJTU/RoboClaw重磅VLARL方向首个系统教程来啦Online RL/Offline RL/test time RL等具身智能的WAM与世界模型一份完整指南一览具身智能的行业全局从产品经理的角度出发推荐阅读我们用低成本的机械臂完成pi0/pi0.5/GR00T/世界模型等VLA任务好用高性价比面向具身科研领域打造的轻量级机械臂VLA/VLA触觉/VLARL/具身世界模型等具身大脑小脑算法与实战全栈路线来啦~从零训练你的足式机器人让你的足式机器人真正动起来~具身领域的目标导航到底是什么有哪些主流方法Diffusion Policy在具身智能领域是怎么应用的为什么如此重要具身智能视觉语言动作模型VLA怎么入门具身智能与传统机器人任务有什么区别主流方案有哪些1v1 科研论文辅导来啦重磅具身智能之心论文辅导来啦近20方向顶会/顶刊/SCI/EI/中文核心/申博等
龙虾+机器人！RoboClaw：首个面向具身智能的AI助手来了
发布时间：2026/5/20 6:32:13
上海交通大学 MINT 实验室推出首个面向具身智能的AI助手邀请开发者加入社区共建项目地址https://github.com/MINT-SJTU/RoboClaw而生。原文链接龙虾机器人RoboClaw首个面向具身智能的AI助手来了先说明白一件事RoboClaw 还在非常早期的阶段。它最后会长成什么样现在谁都不知道。我们能确定的只是一个方向做一个真正面向本体、环境和任务迁移的 AI 助手。所以这篇文章不是宣布完成而是把当前的判断和结构摊开也希望更多人一起把这件事做成。这两年具身智能很热。真机、VLA、世界模型、仿真训练都在快速推进。但真到落地时一个问题始终没有被很好解决当本体变了、传感器变了、环境变了、任务变了系统、技能和记忆还能不能快速迁移我们做 RoboClaw就是想回答这个问题。RoboClaw 不是给某一台机器人包一层智能体外壳也不是把 OpenClaw 直接接上机器人接口。它要做的是一个面向任意本体、任意环境、任意任务的具身智能AI助手。OpenClaw 给了我们一个很重要的起点作为个人AI助手它已经把节点接入、会话管理、工具编排和多入口交互组织成了一个完整系统。但机器人系统比数字世界的助手更复杂。它有本体、有传感器、有运动学、有空间约束、有安全边界也会在真实世界里出错。我们现在认同的架构助手层负责用户、会话、智能体编排、工具路由和远程接入。具身层这是 RoboClaw 最核心的一层重点不是“接上机器人”而是让系统真正理解这个身体。本体建模系统需要先明确关节、末端执行器、传感器和约束分别是什么。空间建联系统需要把坐标系、运动学、工作空间、安全边界和可达范围真正组织起来。能力抽象系统需要把底层硬件能力转成可组合的语义动作和能力图谱。熟悉校准系统需要让新本体在试探、校验和对齐之后逐步形成稳定认知。训练辅助系统还需要帮助人组织本体训练、判断急停时机、恢复本体和环境并决定下一步如何继续。执行层以 ROS2 作为执行中间层负责连接控制器、消息通道、服务调用、动作执行以及安全监督和状态回传。载体层负责连接仿真环境与真实机器人承接部署、验证和回传。这里我们最看重的一点是熟悉过程。一个新本体接进来系统不应该假装自己立刻全懂。它应该先枚举关节和传感器做小幅试探动作建立动作和观测的对应关系校验初始位、运动边界和方向再形成当前状态下的能力图谱。这也是我们为什么不希望把机器人差异都丢给提示词更不希望大模型直接输出低级关节指令。更合理的链路应该是用户目标 - 任务理解与技能选择 - 动作协议与执行监督 - ROS2 执行 - 仿真或真机本体也就是说RoboClaw 提供的不是一组预先写好的功能而是一套构建这些语义动作和技能能力的方式让同一套任务可以迁移到不同本体上而不是每换一个机器人就重写一遍底层控制。写在最后如果一句话概括我们想做的事情那就是RoboClaw 不是“机器人版 OpenClaw”。它是沿着 OpenClaw 的助手系统思路继续向真实世界延伸的具身智能AI助手。上海交通大学 MINT 实验室欢迎对具身智能、机器人系统、训练平台、技能AI助手与真实世界部署感兴趣的朋友交流与共创。项目地址https://github.com/MINT-SJTU/RoboClaw重磅VLARL方向首个系统教程来啦Online RL/Offline RL/test time RL等具身智能的WAM与世界模型一份完整指南一览具身智能的行业全局从产品经理的角度出发推荐阅读我们用低成本的机械臂完成pi0/pi0.5/GR00T/世界模型等VLA任务好用高性价比面向具身科研领域打造的轻量级机械臂VLA/VLA触觉/VLARL/具身世界模型等具身大脑小脑算法与实战全栈路线来啦~从零训练你的足式机器人让你的足式机器人真正动起来~具身领域的目标导航到底是什么有哪些主流方法Diffusion Policy在具身智能领域是怎么应用的为什么如此重要具身智能视觉语言动作模型VLA怎么入门具身智能与传统机器人任务有什么区别主流方案有哪些1v1 科研论文辅导来啦重磅具身智能之心论文辅导来啦近20方向顶会/顶刊/SCI/EI/中文核心/申博等
