github.com·2026/10/20·dexmal
OpenDM 是 Dexmal 面向开放世界机器人控制开源的 DM0.5 视觉-语言-动作模型训练、推理与评测仓库,基于 DM0 原生具身建模扩展开放指令、长程任务、动态干扰和多具身控制,提供基座及多个微调 checkpoint、脚本和数据集注册示例,并获 Hugging Face LeRobot 官方支持。官方基准表显示 DM0.5 在 LIBERO 成功率达 99.0%,超过 Pi0/Pi0.5/GR00T-N1.7,RoboDojo-Sim 总分 24.90,RoboChallenge 真实任务得分 54.42。使用上通过 Docker 或本地安装后用 dm05_launcher.sh 启动服务,推理采用三路图像与状态/动作输入;训练需注册数据集并配置 jsonl、image_keys、state_desc,自动计算归一化统计,支持 multiflow 和 LoRA,低显存 GPU 建议 LoRA,fast 后端依赖 TensorRT/Triton/FlexAttention。仓库附各基准微调与评测指南,权重在 Hugging Face 和 ModelScope 分发,Apache-2.0 许可。
为什么重要 提供可 8 卡微调、1 卡部署的多本体 VLA 基座,附仿真与真机评测脚本,可直接复用做基线复现。适合 做机器人 VLA 微调、评测与真机部署的算法与数据闭环工程师
$ git clone https://github.com/dexmal/opendm.gitcd opendmdocker run -it --rm --gpus all --network host \--name opendm \--shm-size=16g \-v "$PWD":/app/opendm \-w /app/opendm \dexmal/opendm:latest /bin/bash
$ conda activate opendmpip install -e .
$ conda create -n opendm python=3.10 -yconda activate opendmpip install torch torchvision \--index-url https://download.pytorch.org/whl/cu128pip install ninja packagingMAX_JOBS=2 pip install flash-attn --no-build-isolationpip install -e .
$ pip install -e ".[fast-infer]"
$ huggingface-cli download Dexmal/DM05 --local-dir ./checkpoints/DM05
$ script/dm05_launcher.sh \--exp opendm/exp/dm05_exp.py \--task inference \--model-config.model-name-or-path ./checkpoints/DM05 \--model-config.chunk-size 50 \--inference-config.output-action-dim 14 \--inference-config.image-prompts "Head" "Left wrist" "Right wrist" \--inference-config.port 7891

EVIDENCE / METHODS
要点
DM0.5 是针对开放指令、长程任务、动态扰动和多本体控制的 术语解释Vision-Language-Action 模型,输入图像与语言指令直接输出机器人动作。 模型,在 DM0 的原生具身建模范式上做升级。