一个大脑，三条产线：DM0.5 在 WRC 交出全科答卷

案板上的柔性食材、桌面上的精密积木、传送带上的随机包裹——三个规则截然不同的场景，共用同一个“大脑”。

2026年8月19日，世界机器人大会（WRC）A302 展位，我们把通用具身基础模型 DM0.5 搬到了现场，直接上真机。传送带分拣、处理黄瓜、搭长城模型——三条作业线同时开工，全部由同一个模型 DM0.5 驱动，不切换系统、不预设轨迹、全程实时泛化。一个模型，把多任务、跨场景、精细操作和长时作业这几件事，一次性摆在了观众面前。

从实验室指标，到现场作业

单个任务做得好，不代表模型真的理解了世界。如果换一个场景就要重新训练，那不是基础模型，只是功能模块的拼凑。DM0.5 从第一天起就奔着"通用"去——我们希望，同一个模型，在尽可能多的场景里都能用、都能用好。

这一点，公开评测里已经给过答案：DM0.5 在 LIBERO 综合评测中达到 99.0%，并刷新 RoboTwin 2.0、R2R 和 RxR 等多项公开评测成绩。这些成绩背后横跨桌面操作、长程任务、导航理解等不同维度，相较于“单项突出”，这种多维度同时建立优势的“榜单全科”表现，对基础模型而言更为关键。

而 WRC 现场的三大挑战，就是这份"全科成绩单"在真实物理世界里的一次集中复试：从柔性食材到刚性积木，从静态拼装到动态分拣，物理特性、操作逻辑、节拍要求全都不一样。DM0.5 靠的，是模型自己对场景的理解和泛化。

挑战一：快节奏物流分拣单件分离

在物流中转场景中，包裹从汇集到分拨通常需要经历五个环节：来料供给 → 单件分离 → 信息采集 → 分拨路由 → 落格输出。其中单件分离是承上启下的关键工序——混堆的包裹必须被逐一分开、有序进入后续扫码与路由，否则整条分拣线都会乱套。

在 WRC 现场，机器人面对的正是这一核心环节：传送带上混合规格的包裹连续汇入，机器人要从批量来料里精准识别、抓取单件，翻面朝上送进主输送线。不卡顿、不堆积、不遗漏。

难点在哪？

· 包裹规格不一：大小、材质、姿态各异

· 来料连续不断：无间歇、无停顿

· 抓取即分离：不能多抓，也不能漏抓

短短几秒内完成视觉识别、抓取决策和动作执行，对模型的实时感知与泛化，是实打实的考验。而 DM0.5 给出的的成绩单是：平均 3 秒完成一次单件抓取与放置，准确率达 99%。不靠预设脚本，完全靠模型实时理解场景——每个包裹都是"新面孔"，每一次抓取都是"新决策"。这不是编排好的表演，是真实产线逻辑，被原样搬上了展台。

挑战二：柔性力控下的食材处理

黄瓜去皮，看着简单，其实是柔性力控的硬考题。形态不规则、皮质脆嫩——用力过猛切断瓜肉，力度不足削不掉皮，分寸全在毫厘之间。

WRC 现场，搭载 DM0.5 的桌面机器人和轮式机器人，分别完成了黄瓜的连续去皮与切片。背后拼的是多指协同、高频动作和精准柔性力控。DM0.5 靠对材质的实时感知和力反馈调节，实现连续削皮，切削速度与稳定性都接近人手水平。更关键的是，DM0.5 的长时原生记忆能力，让它能记住此前的动作序列——保证连续切削时动作始终连贯，不"断片"。

挑战三：多机器人协同搭长城模型

在上个月的 2026 世界人工智能大会（WAIC）上，我们发起了一场“极限挑战”：6 台机器人连续作业，用 81,920 块微型积木，自主拼装完成一座长 3.5 米、宽 1.5 米、高 1.1 米的长城模型。机器人需在 0.1–1 毫米的亚毫米尺度内完成抓取与扣合——这一精度已超越人手约 0.3–1 毫米的自然抖动极限。在高强度作业中，每台机器综合操作速度也能媲美人类熟练工的手速。

WRC 现场，虽然演示规模变了，但要求没有降低：两台机器人协同作业，每 10 秒完成一次拼装，精度达亚毫米级，可连续工作 40 小时并具备自动纠错能力。精度不变，纠错不变，同一个 DM0.5 模型不变。从大场面到高密度，验证的是同一套能力的可迁移、可复现。

为真实世界而生：DM0.5 的“具身原生”之路

原力灵机成立之初就认定一条路——"具身原生"：从零为机器人训练模型，而不是把现有大模型简单"移植"过来。DM0.5 是这条路线的阶段性成果。相比上一代 DM0，它在训练数据规模、数据质量、架构创新、开放世界泛化四个维度全面升级：系统能力从"执行固定指令、单次动作重复"，跃迁到"理解意图、多维连续泛化、长时可靠运行"。

我们始终相信：具身智能的终局不在实验室，而在真实世界。WRC 2026 仍在继续，DM0.5 的三项真机挑战将持续到 8月23日。展台团队将全程驻场，诚邀各界朋友到现场围观模型的实时表现。