具身大滿貫還全開源！原力靈機DM0.5登頂RoboDojo，且clone且珍惜

這次，原力靈機的DM0.5，登頂了具身「珠峰」——RoboDojo。要知道，這可是RoboDojo啊。。。魔鬼級的具身評測，由香港大學多媒體實驗室聯合加州大學伯克利分校、清華大學等全球近20所頂尖學術機構共同發起。這些頂尖學府的「品控」有多嚴格？這麼說吧，截至2026年7月，仿真榜單頭部模型平均成功率僅8.80%，真機榜單僅12.8%。是的，仍在個位數掙扎。反正就是難度和真實性極高，專治實驗室閉門造車的偏科生。如今，DM0.5拿下了第一—— 綜合得分：24.90 平均成功率：19.34% 此外，仔細看了下表格，發現這個模型有個極其突出的強項—— 記憶。

具體可以看這個Cover Blocks任務： 機器人先從左到右蓋住隨機排列的紅、綠、藍三個積木。當顏色被完全遮擋後，再根據此前觀測，按紅、綠、藍的順序依次揭開。DM0.5在三次隨機考試中，都取得了100%成功率。反映在數據上也很直觀，RoboDojo榜單中的Memory維度，DM0.5直接猛砍了47.74分，顯著領先。。。絕對是助力其登頂，最關鍵的絕殺了。這還沒完。其他權威評測，DM0.5也都打爆了。LIBERO：綜合成功率99.0% RoboTwin 2.0：簡單和複雜場景下成功率分別達到 93.6% 和 93.3%， VLA-Arena：不同難度設置下的成功率分別達到 89.0%、53.

6%、44.1%。RoboChallenge Table30 v2：綜合得分54.42，成功率43%。而這個SOTA級別的大腦—— 早已開源。一個基模，六類場景全通過 榜單數字終究是抽象的。DM0.5的真實能力到底如何，還得看demo。而原力靈機，大概是當前場景demo最豐富的基礎模型廠商。抗干擾、拼積木、學黃瓜、分揀快遞……給我看的眼花繚亂。但回過頭來仔細一樣，這些看似分散的demo，其實指向同一件事： 基模的泛化能力。我們一個個說。1、人類示教。這是我覺得最有意思的demo。DM0.5化身卡卡西，人類示教一次，它便能光速複製粘貼。說實話，這項技能點其實並不陌生，大家都在做這個方向。

畢竟物理世界場景稀碎，你模型做得再好，總有泛化性覆蓋不到的長尾任務，這類場景下魯棒性會驟降特別多。這就永遠到不了具身的ChatGPT時刻。目前業內的共識解法是：不追求預訓練解決一切，而是在落地環節引入Human-in-the-Loop。讓人類工作者拍攝一段示範視頻，機器人便能像開了「寫輪眼」一樣即時對齊並跟隨完成複雜任務。讓教機器人，變得像教徒弟。原力靈機做的便是這件事。而開頭提到的「記憶」，則是解法的關鍵。DM0.5原生支持最長60秒的記憶能力，機器人能深度記住並連貫審視自己此前做過的所有動作序列。基於這份長記憶，模型可以直接跨越語言限制，理解人類演示的視頻片段。2、精細操作。

原力靈機選擇的場景，是積木。其實今年7月我在上海WAIC看過這個demo，說實話，比視頻裡的精彩得多。原力靈機聯手階躍，擱展區裡拼了個長城。。。是的，6臺機器人，耗時15小時，用 81920塊微型積木拼出長3.5米的長城模型。現場也是擠爆了，鑽都鑽不進去。但這絕對不是個「情緒價值」demo。積木拼裝，最小的組件寬度不到1釐米，機器人必須在0.1到1毫米的尺度內完成抓取和扣合。這個精度，已經超越了人手約0.3到1毫米的自然抖動極限。與此同時，微型積木存在工藝公差，直接大力出奇跡的話，極易錯位卡死。所以如果仔細看視頻，你會發現個蠻有意思的細節。這哥們會寸勁兒啊！

機器人會先對準，再輕輕一震、抖動下壓，把積木扣住。當然，自動糾錯的能力也很關鍵。畢竟是模型嘛，高精度任務確實沒法追求把把zero-shot，還是得靠Loop保證穩定性。柔性物體則更需要自動糾錯了。比如這個削黃瓜的demo，一刀下去，黃瓜形態會變。模型需要實時閉環調整。刀深幾分、力道幾何，如何削得乾淨又不傷果肉……全在毫釐之間的拿捏。你以為黃瓜到這就完成它的使命了？不，原力靈機還在繼續鞭打黃瓜（bushi）。但這次側重點有所不同，是用靈巧手切。模型通過後訓練駕馭高自由度，也是對DM0.5泛化性的展示吧。3、長程穩定高節拍。從這開始，demo就和場景緊密結合起來了。

今年北京亦莊的WRC，原力靈機將快遞流水線搬到了現場，直擊物流中轉站最大痛點—— 單件分離。傳送帶不停，每個包裹的尺寸、材質、擺放姿態都不一樣，傳統機械方案根本幹不了這類任務。DM0.5不依賴預設腳本，純靠實時視覺識別和決策，平均3秒一單，準確率超99%。上週我也是在現場近距離看過這個demo的。說實話，論論情緒價值，我個人覺得還得是工業場景，超解壓啊，跟看清潔直播一樣。至少是能看得下去的，不會慢的要死，撿個枕頭都一卡一卡的。。。ADHD患者強推打卡（bushi）。4、抗干擾。真實世界不是實驗室，相機隨時可能驟變視角，人類隨時可能「空降」搗亂。DM0.

5的解法是分層雙系統，即業界主流的System1與System2架構。Sys2是深思熟慮的高階大腦。負責理解、拒絕與大局預判，劍指zero-shot； Sys1則是動作專家網絡。就像人類的直覺反射，負責handle長程複雜任務中的瑣碎細節。在這套架構加持下，即便外部視點劇烈變化，DM0.5通用Picking的魯棒性依然極強。哪怕人類強行打斷任務，機器人也能準確理解當前實際狀態，自適應修正後續動作。六類場景，從毫米級到傳送帶，從剛性到柔性，從執行到模仿。同一個模型在如此差別很大的場景中都表現優秀，是很少見的。現在大家都衝百萬小時數據，但光看數據量，或許並不符合第一性原理。

如果基模沒有強泛化，每個場景都單獨訓一個模型，demo再多，也不過是一堆散落的珍珠。偏科是沒法的Scaling Up的。這也是我覺得DM0.5最有意思的Takeaway吧，具身模型本身的能力正在被看見，並且上限可以做到很高。數據、架構、效率全面升級 說了這麼多，原力靈機究竟是怎麼做到的？這方面，團隊也早把他們的經驗，毫無保留地全盤托出了。答案分為三層，也是具身繞不開的三個核心變量：數據、架構、延遲。先看數據。數據決定智能上限，這也是整套具身工程中，最重要的一環，沒有之一。DM0.5的數據資產，主要分為三類。1、真機：5萬小時高精度操作，覆蓋100+種豐富動作，實現秒級精細指令動作對齊。

2、Ego：10萬小時場景視頻，支持毫米級高精度3D Landmark生成，實現精準標註。3、仿真：100萬平空間數據建模複雜室內環境，高精度重建解決Sim2Real Gap。感覺他們還是把質量看的很重的，不是光腦門一拍硬採。數據量的方式則用omni融合思路解決，也是目前行業比較主流的方案，風險最小化。再看架構。一句話總結，DM0.5主要有三大創新，對應解決三個問題。1、怎麼記得住？這個前面提到過，為了降低DM0.5的落地門檻，原力靈機引入了原生長記憶。具體而言，團隊在上下文抽象層做了大量工作，通過高效的信息壓縮技術，讓4B參數的VLM在預訓練階段就能原生學習並記住歷史信息。2、怎麼看得懂？

對此，原力靈機有這麼一個判斷： 沒有語言能力的VLA，就是數據集復讀機。畢竟不管怎麼說，語言確實是最方便蒸餾人類思考能力的模態了，有Language這一層賦能，就是很吃香。於是有了具身思維鏈任務。為此，DM0.5設計了具身思維鏈任務，用11項推理任務驅動模型，對指令、本體、環境進行三方聯合建模，賦予動作生成以語義理解和世界預判能力。這個過程中，團隊可以構造了「反事實任務」，故意給出錯誤指令，迫使模型真正「看懂」而非機械匹配。3、怎麼對得齊？傳統動作監督是對點式的，預測軌跡與真值軌跡之間的偏差會不斷累積，最終炸掉。

原力靈機做的事對齊式的動作監督，利用約束動態規劃高效計算最優匹配，一次性解決動作軌跡不一致的問題。數據和架構雙劍合璧，大幅提升了DM0.5的智能上限。但真正要能用，還得看效率。具身最終是要在端側實時跑的。推理不夠快，參數就是坨廢紙。為此，原力靈機做了一系列優化，這裡就不多做贅述，大家可以直接看官方技術報告。最後成果如下—— 模型核心延遲：534.04 ms → 57.49 ms 累計加速：9.29× 延遲降低：89.2% API 延遲：p50 67.75 ms，p90 70.01 ms LIBERO 成功率：98.45% → 98.40% 硬生生加速了一個數量級啊。。。而且，精度基本無損。

可以說是讓整套VLA推理系統超進化了。登頂，是為了下山 「登頂」確實很驚豔，但說實話，這可能真還不是最值得關注的事情。具身天上一天地上一年，冠軍頻繁易主，僅僅是成績單，很容易過期。真正能在具身週期裡刻下痕跡的，是登頂之後，你願意留下什麼。這可能也是DM0.5選擇全面開源原因。不僅僅是模型權重，DM0.5的訓練框架、下游任務工作流……已陸續在GitHub與Hugging Face開放，供開發者復現、魔改、擴展。比如下面這個demo，就是原力靈機基於DM0.5，結合開源機械臂套件，監督微調出來的。

LLM領域，開源早不是啥新鮮詞，從最開始的DeepSeek，到如今的GLM、Kimi、MiniMax……大家早已習慣了開源的聲音。但在具身行業，我覺得，這件事的意義真不太一樣。物理AI實在太早期，太不成熟了，這點是事實。所以，我們需要更透明的討論，更真實的評測，更多公開的工作…… 如果谷歌當年沒有放出Transfomer，OpenAI或許永遠也摸索不出通往ChatGPT的路。RoboDojo的火爆，推動了評估從「單點Demo展示」走向「標準化全科考試」。讓具身真的可以被統一度量、被複現、被挑戰。DM0.5的登頂與開源，則進一步兌現了這個Benchmark的價值。

讓所有人看到登頂的方法論，也讓方法論可以被帶走、被複用。這是原力靈機對當下這場具身競賽的回答。登上珠峰，從來不是為了留在山頂。下一步，是下山—— 用開源賦能生態，讓第一梯隊的具身大腦，走進各行各業的流水線。GitHub：https://github.com/dexmal/opendm Hugging Face：https://huggingface.co/Dexmal/DM05 Tech Blog：https://www.dexmal.com/blog/dm0.5 版權所有，未經授權不得以任何形式轉載及使用，違者必究。