原力灵机DM0.5横扫RoboColiseum四榜，具身智能底座迈向“全科优秀”

事件概述

原力灵机发布的通用具身基础模型 DM0.5 在 RoboColiseum 评测平台上取得突破性成绩，成为唯一同时在指令跟随、空间理解、扰动适应、通用操作四个子榜单上排名第一的模型。这一结果被视为对具身智能底座模型综合能力的严格检验，表明行业正从追求单点能力突破转向构建无结构性短板的通用底座。

核心信息与技术支撑

1. 评测体系的可信度：解决 Sim2Real 差距与刷榜痛点
RoboColiseum 由智元机器人联合多方机构建立，旨在解决具身智能评测中长期存在的仿真与真机表现不一致、基准生命周期短及单点能力无法代表真实场景等问题。

• 高保真仿真校准：通过激光雷达还原几何信息，并对物体物理参数（质量、重心、摩擦力等）及机器人本体参数进行逐项校准，实现仿真与真机表现一致性达 89.5%，单个任务成功率差异小于 10%。
• 防刷榜机制：现有 78 个评测任务、超 3000 个泛化 Case，训练集与评测集完全隔离，有效防止轨迹回放类方案作弊。
• 多维能力考察：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，模拟真实世界中多任务并发的复杂需求。

2. DM0.5 的技术架构与性能表现
DM0.5 未针对评测任务进行专项优化，仅通过常规监督微调（SFT）适配，其高分主要源于强大的预训练底座能力。

• 指令跟随：引入“具身思维链”，在动作生成前进行内部推理（目标定位、状态判断等），覆盖 11 项推理任务，实现 Zero-shot 级别的泛化能力。
• 空间理解：基于 10 万小时第一视角（Egocentric）视频预训练，支持毫米级精度 3D 空间标注。结合 IROS 2026 提名论文《GeoVLA》技术，将三维几何表征显式引入 VLA 模型决策过程。
• 扰动适应：通过工程优化将核心延迟从 534ms 降至 57.49ms（加速 9.29 倍），感知-思考-出手全流程快于人眼眨眼速度；具备原生 60 秒记忆，支持任务中断后的续接。
• 通用操作：在物流分拣中平均 3 秒/件且准确率超 99%；在亚毫米积木拼装中具备自主纠错能力；配合后训练可控制 58 自由度灵巧手完成切黄瓜等柔性物体处理任务。

3. 其他维度的佐证

• 跨平台表现：在 RoboDojo 评测中，DM0.5 在 Memory 维度得分 47.74，远超第二名；在 LIBERO、RoboTwin 2.0、VLA-Arena 等多个基准中均取得领先或显著优势。
• 国际认可：Physical Intelligence (PI) 在其 MEM 论文及产品 π0.7 中引用了原力灵机的 MemoryVLA 架构，认可其在双流 latent memory 机制上的探索价值。

值得关注

• 实时控制窗口开启：DM0.5 通过 Vision TensorRT、FP8 E4M3 等技术优化，API 响应控制在 70ms 内，标志着大模型智力首次进入实时控制所需的时间窗口。
• 全面开源策略：模型权重、训练框架及下游任务工作流已在 GitHub、Hugging Face 及 LeRobot 社区开源。原力灵机当选国际电信联盟（ITU）具身智能焦点组“开源生态”工作组组长单位，旨在推动建立经过全科验证的公共底座，降低开发者试错成本。
• 真实场景落地：DM0.5 已在大型国际零售商仓储（商品搬运与分拣）及 3C 制造商工厂（包装与废料回收）中进行部署测试，验证了从榜单到工业现场的转化能力。