我们为什么做这个
训练框架已经逐渐统一：OpenPI、LeRobot、StarVLA、VLA Foundry 解决了训练侧的大部分共性问题；真机侧不该继续依赖每个项目重写一套脚本。EVA-Client 补齐具身策略迭代中缺失的真机侧基础设施：遥操采集、质检回放、训练数据整理、checkpoint 部署、延迟补偿、轨迹平滑、模型评测、日志对比，并把结果回传到下一轮训练。一个客户端覆盖完整的真机迭代周期。
AgileX
ARX
Franka
UR5e
Galaxea
AgiBot
OpenPI
starVLA
GR00T
DreamZero
EVA
EVA
AGILEX
ARX
Franka
UR5e
Galaxea
AgiBot
一个闭环：接入机器人采集数据，EVA 整理为可训练数据集，策略完成训练，EVA 再把 checkpoint 平滑部署到真机，评测日志回流开启下一轮 —— 覆盖模型迭代全周期的真机基础设施。
如果 EVA-Client 对你的研究或产品有帮助，欢迎在论文/项目中引用：
@misc{yang2026evaclient,
title={EVA-Client: A Unified Data Collection, Inference, and Deployment Framework for Embodied Policies on Real Robots},
author={Heqing Yang and Yang Yi and Liyao Wang and Linqing Zhong and Donglin Yang and Ruipu Wu and Zitong Bai and Fengjiao Chen and Manyuan Zhang and Linjiang Huang and Si Liu},
year={2026},
eprint={2607.02646},
archivePrefix={arXiv},
primaryClass={cs.RO},
url={https://arxiv.org/abs/2607.02646},
}