横扫四榜，DM0.5 凭什么面面俱到？- 大数跨境

首页

横扫四榜，DM0.5 凭什么面面俱到？

AI科技评论

2026-09-15

导读：单科冠军不够，具身智能落地需要没有结构性短板的底座

单科冠军不足恃，具身智能落地需无结构性短板的通用底座

作者丨邓哲敏

编辑丨齐铖湧

单一模型同时斩获四个能力子榜单榜首，在具身智能行业极为罕见。RoboColiseum 是由智元机器人发起，联合高校、科研机构及企业共建的评测平台，将评测拆解为指令跟随、空间理解、扰动适应、通用操作四个维度。参评模型若在任一维度存在结构性短板，排名便会大幅下滑。

原力灵机发布的通用具身基础模型 DM0.5，在上述四个子榜中均位列第一，也是目前唯一达成此成就的模型。

这张成绩单的可信度如何？DM0.5 霸榜背后的技术逻辑又是什么？

一把可信的标尺：解决行业三大痛点

演示效果与真实场景的差距是机器人行业的顽疾。模型越层出不穷，行业越需要可信赖、细颗粒度的公共标尺。然而，当前具身评测行业长期存在三大痛点，导致分数可信度存疑。

痛点一：仿真跑分高，真机落地差。仿真环境与真实世界在物理参数和视觉渲染上差异巨大。针对 Sim2Real 一致性问题，RoboColiseum 通过空间智能技术高保真重建真实世界，配合激光雷达还原几何信息，并对物体质量、摩擦力及机器人本体参数逐项校准。验证结果显示，仿真与真机表现一致性达 89.5%，单任务成功率差异小于 10%。

痛点二：评测基准生命周期短。具身模型迭代迅速，旧榜单易被“刷穿”。RoboColiseum 现有 78 个评测任务、超 3000 个泛化案例，训练集与评测集完全隔离，且对每个任务做了充分的泛化配置，有效杜绝了轨迹回放类方案的作弊可能。

痛点三：单点能力强不代表真实场景好用。传统评测往往聚焦单一原子能力，但真实场景任务复杂，需同时具备指令理解、空间判断及抗干扰能力。RoboColiseum 围绕指令（基础）、空间（认知）、扰动（鲁棒）、操作（落地）四个维度构建完整考察链条，从语义到物理，从感知到执行，全面评估模型综合能力。

四榜同时第一：全能型底座的硬核实力

原力灵机 DM0.5 在指令跟随（0.8444）、空间理解（0.6146）、扰动适应（0.7344）、通用操作（0.6370）四项子榜中全部排名第一。这四个维度考核不同层次能力，互不加持，任何短板都会直接暴露。DM0.5 能在多维度维持领先，得益于其架构与数据源的坚实支撑。

指令跟随：DM0.5 在预训练阶段引入具身思维链。动作生成前，模型先完成内部推理流程（目标定位、步骤规划、后果预判等），覆盖 11 项推理任务。这种机制迫使模型理解“指令×本体×环境”关系，而非死记硬背，从而展现出 Zero-shot 级别的泛化能力。

空间理解：DM0.5 预训练数据包含10 万小时第一视角（Egocentric）视频，支持毫米级精度的 3D 空间标注生成。此外，其与天津大学、清华大学合作的论文《GeoVLA》入选 IROS 2026 最佳论文提名，核心成果是将三维几何表征显式引入 VLA 模型决策过程，使模型能在具有深度和几何关系的三维世界中理解场景。

扰动适应：该能力直接关乎工业落地。DM0.5 通过工程优化将核心延迟从 534 毫秒压至 57.49 毫秒，加速 9.29 倍，且在 LIBERO 测试中成功率几乎无损。其“感知 - 思考 - 出手”全流程快于人眼眨眼速度，能在干扰发生瞬间完成重决策。此外，模型具备原生 60 秒记忆，任务中断后可续接而非重置。

通用操作：考验原子技能组合能力。在物流分拣场景中，DM0.5 纯靠实时视觉决策，平均 3 秒一件，准确率超 99%；在亚毫米积木拼装中，能自主感知失败并半秒内纠错；在灵巧手场景下，配合后训练控制 58 自由度灵巧手完成切黄瓜等柔性物体操作，突破了传统预设轨迹的限制。

非针对性优化：底座能力的真实检验

DM0.5 在 RoboColiseum 上的优异表现，并非针对评测任务进行专项优化的结果，而是通过常规监督微调（SFT）将强大的预训练底座能力迁移至特定构型和任务上。这意味着该成绩更接近对底座模型真实通用能力的测量。

定向优化虽在特定场景有效，但易导致泛化能力下降。DM0.5 仅靠 SFT 即可登顶，证明其在指令理解、空间感知、历史记忆和动作生成上已形成坚实的通用基础，这是其跨评测框架保持领先的根本原因。

多维佐证：从学术认可到全球基准验证

DM0.5 的实力在其他权威评测中也得到反复验证。上月，其在由港大、UC 伯克利等机构发起的 RoboDojo 评测中，记忆维度得分及成功率均超出第二名近 4 倍。

纵向对比显示，DM0.5 在 LIBERO、RoboTwin 2.0、VLA-Arena 等多个基准中均取得显著优势。在真机评测 RoboChallenge Table30 V2 中，面对四种异构机型和 30 个复杂任务，DM0.5 以 43.0% 的整体成功率位列第一。

国际同行 Physical Intelligence（π）也在其关键论文及产品π0.7 中，两次引用原力灵机的 MemoryVLA 架构作为学术参照，肯定了其在具身记忆机制上的探索价值。

进阶状态：实时推理、全面开源与真机落地

推理提速：通过 Vision TensorRT、FP8 等多项联合优化，DM0.5 核心延迟降至 57.49 毫秒，API 响应控制在 70 毫秒内，累计加速 9.29 倍。大模型的智力首次跑进实时控制的时间窗口。

全面开源：DM0.5 模型权重、训练框架及多个下游任务工作流已在 GitHub 和 Hugging Face 开放，核心代码提交至 LeRobot 社区。原力灵机亦当选国际电信联盟（ITU）具身智能焦点组“开源生态”工作组组长单位，旨在推动行业公共底座建设。

真机落地：原力灵机已在多个真实场景部署测试：包括大型国际零售商仓储的商品搬运分拣，以及 3C 制造工厂的包装与废料回收。从榜单到工厂，评测成绩正逐步转化为实际生产力。

结语：全科优秀才是落地的通行证

RoboDojo 侧重记忆与长程执行，RoboColiseum 侧重指令、空间与鲁棒性。DM0.5 在两套逻辑迥异的评测体系中均稳居榜首，证明了其能力的均衡性与普适性。

在具身智能评测标准尚未收敛的当下，能在多个严格评测中保持领先，含金量远超“刷穿”单一榜单。真实场景——无论是工厂的鲁棒性要求，还是家庭的语义理解需求——都不会迁就模型的短板。

物理世界的智能，单科状元不足以应对。行业最终需要的，是经得起不同考场、不同考题检验的长期答题者。只有能力谱系足够宽且均衡，才能承接真实世界多样的任务要求。

【声明】内容源于网络

AI科技评论

聚焦AI前沿研究，关注AI工程落地。

内容 8954

粉丝 0

AI科技评论聚焦AI前沿研究，关注AI工程落地。

总阅读244.9k

粉丝0

内容9.0k