原力灵机发布具身基础模型DM0.5：15万小时数据训练，零样本导航提升31%

事件概述

原力灵机在开发者大会上推出面向开放世界的通用具身基础模型DM0.5。该模型参数规模为4B，训练数据量达15万小时，较上一代增加400%。数据构成包括5万小时真机操作数据、10万小时第一视角（Ego）数据以及100万平方米场景重建数据。

核心架构创新

• 上下文抽象层：支持最长60秒长时记忆（行业平均水平约30秒），提升长周期任务连贯性。
• 具身思维链：引入任务规划、目标定位、未来状态预测等推理能力，实现“先谋后动”。
• 轨迹对齐层：将动作学习从“对点”转向“对齐”，提高运动规律理解。

性能表现

• 单项能力：Zero-Shot导航成功率提升31%，Few-shot提升45%，微调后任务成功率提升20%。
• 推理效率：H100平台延迟低至50ms，消费级显卡4090上为90ms。
• 微调成本：仅需一块4090显卡，最快18小时完成新下游任务微调，成本下降60%。
• 公开评测：在LIBERO综合得分99.1%（Clean场景94.1%/Random场景94.4%）；在RoboChallenge真机评测中总分54.42，成功率43%，位列第一。

泛化与抗干扰

DM0.5已出现泛化涌现，可Zero-Shot执行多种原子动作及复杂指令遵循。采用双系统架构（Sys2高层规划+ Sys1高频响应），针对相机扰动和人类动作干扰进行强化，具备抗干扰能力。

多本体支持

模型采用多机型多任务融合训练，可适配双足人形、轮式、单/双臂机械臂、灵巧手等异构机型，支持跨平台迁移。

配套基础设施

• 开发者平台DexDev：包含世界模型驱动框架DFOL2.0（真机训练数据需求下降60%，成本降40%）、具身操作系统DexOS（统一ECP接口）以及行业首个具身MaaS服务。
• 多智能体系统Ferrata：解决多目标、多模型、多硬件间的系统级调度，支持任务分级、异常处理与数据回流。