横扫四项评测榜首，原力灵机DM0.5具身底座凭什么全面领先？

一个模型同时占据四个能力子榜单的榜首，在具身智能领域十分罕见。

由智元机器人联合高校、科研机构及行业力量发起的评测平台 RoboColiseum，将评估拆解为四个维度：指令跟随、空间理解、扰动适应与通用操作。只要模型在任何一个环节存在结构性短板，排名就会下滑。原力灵机的通用具身基础模型 DM0.5 在这四个子榜上全部位列第一，成为目前唯一实现全项登顶的模型。

一把可信的具身标尺

具身模型越是层出不穷，行业就越需要细颗粒度、可信赖的公共标尺。传统具身评测长期存在三大痛点：

1. 仿真表现高、真机落地差：仿真环境中的物理渲染与现实差异巨大。RoboColiseum 借助空间智能技术与激光雷达高保真重建环境，并校准动静摩擦力、机器人相机内外参等物理参数，使仿真与真机的表现一致性达到 89.5%，单项任务成功率差异收窄至 10% 以内。
2. 评测基准易被刷穿：部分评测在推出半年后即被过度拟合。RoboColiseum 包含 78 个任务与超过 3000 个泛化测试用例，严格隔离训练集与评测集，彻底杜绝轨迹回放等投机策略。
3. 单点能力脱离实际：真实场景往往要求复合能力。工厂分拣机器人需要同时理解调度、感知包裹三维位置、抗干扰并流畅组合动作。RoboColiseum 的四个维度分别对应语义基础、认知、鲁棒性与落地执行，构成了完整的考核链条。

为什么四榜第一远难于单项冠军？

在四个子榜上，DM0.5 的成绩分别为：指令跟随 0.8444、空间理解 0.6146、扰动适应 0.7344、通用操作 0.6370。四项能力考查模型不同层级的机制，短板无法被其他维度的优势掩盖。DM0.5 能全面领跑，得益于针对性的底层架构：

• 指令跟随：在预训练阶段引入具身思维链（Embodied Chain-of-Thought），动作生成前先完成内部推理（目标定位、动作衔接与自检），掌握“指令-本体-环境”的深层关联，具备零样本（Zero-shot）泛化能力。
• 空间理解：预训练阶段吸收了 10 万小时的第一视角（Egocentric）视频数据，支持毫米级 3D 标注生成。相关论文《GeoVLA》将显式三维几何表征引入 VLA（视觉-语言-动作）决策，入选 IROS 最佳论文提名。
• 扰动适应：通过工程优化将模型延迟压减 9.29 倍至 57.49 毫秒，响应速度超越人眼眨眼时间，干扰出现的瞬间便能完成重感知与重决策；同时搭载 60 秒原生记忆，受扰后可无缝续接任务。
• 通用操作：在复合技能组合上表现稳定。物流分拣中无需预设脚本，纯靠视觉实时决策实现超 99% 的准确率；亚毫米积木拼装出现失误时可在半秒内自主纠错；还能驱动 58 个自由度的灵巧手完成削切果蔬等非刚性柔性物体操作。

检验通用底座真实水平

值得注意的是，DM0.5 在 RoboColiseum 评测中未进行定向刷榜优化，而是直接依赖通用的预训练底座，仅通过常规监督微调（SFT）适配任务与机型构型。这最大程度反映了底座模型的真实泛化能力，避免了传统任务特化带来的分布外失效问题。

这一表现在多个权威考场得到了交叉印证：

• 在港大、UC 伯克利等发起的 RoboDojo 评测中，DM0.5 夺得榜首，尤其在记忆维度取得 47.74 分与 47.44% 成功率，大幅领先第二名（13.37 分/12.11%）。
• 在真机与仿真基准 LIBERO 上取得 99.0% 综合成功率；在 RoboChallenge Table30 V2 真机评测中，面对 ARX5、UR5、ALOHA 等 4 种异构机型与 30 个复杂任务，以 43.0% 成功率位列第一。
• 海外前沿机构 Physical Intelligence（π）在发布 MEM 记忆架构论文及旗舰产品 π0.7 时，均引用了原力灵机的 MemoryVLA 作为学术参照。

推理提速、全面开源与产业落地

目前原力灵机围绕 DM0.5 推进了三项关键进展：

1. 控制进入实时窗口：结合 TensorRT、FlexAttention、FP8 与 Triton 算子融合等底层优化，模型核心延迟降至 57.49 毫秒，API 端到端响应在 70 毫秒以内，大模型算力首次完全契合机器人实时硬件控制节拍。
2. 全面开源生态：模型权重、训练框架以及从下游基准到真机 SO101 的完整流程已在 GitHub 和 Hugging Face 开放，并回馈 LeRobot 社区。原力灵机也当选国际电联（ITU）具身智能焦点组开源生态工作组组长。
3. 真机产业验证：DM0.5 已进驻大型国际零售商仓储与 3C 制造工厂，执行混流协同搬运、分拣、包装及产线物料回收等长流程任务。