在具身AI技术加速发展的当下，智能机器人正逐步从实验室走向实际应用场景。从家庭扫地机器人到工业装配臂，从仓储物流搬运到医疗护理，机器人 应用边界持续拓展。尤其随着大模型技术突破，机器人的环境理解与任务执行能力显著提升，在复杂家庭服务、高精度工业生产中展现出巨大潜力。 然而，具身AI要实现规模化商用部署，仍需突破三大核心挑战： 1. 缺乏高性能低延时底层操作系统 ：现有解决方案在实时性、稳定性上存在短板，限制复杂任务执行与多机器人协同部署。 2. 高质量训练数据稀缺 ：传统人工演示、遥操作数据采集效率低、成本高，难以覆盖现实世界复杂多变场景； 3. 验证测试成本高昂 ：真实环境中测试机器人算法耗时久，且存在安全风险，单次失败可能导致设备损坏、人员受伤； 长期以来，ROS（机器人操作系统）是机器人研发的主流工具，为开发者提供消息通信、传感器与算法集成、机器人建模仿真等功能，助力快速搭建系 统、验证功能。但在工程化与大规模应用中，ROS存在 实时性不足、通信开销大、安全性欠缺 等问题，无法满足高性能、低延时的具身AI场景需求。 在此背景下，Dora（Dataflow Oriented Robotics Archit ...