具身大满贯还全开源！原力灵机DM0.5登顶RoboDojo，且clone且珍惜

来源：市场资讯

（来源：量子位）

一觉醒来，机器人大脑的SOTA，易主了。

这次，原力灵机的DM0.5，登顶了具身「珠峰」——RoboDojo。

要知道，这可是RoboDojo啊。。。

魔鬼级的具身评测，由香港大学多媒体实验室联合加州大学伯克利分校、清华大学等全球近20所顶尖学术机构共同发起。

这些顶尖学府的「品控」有多严格？

这么说吧，截至2026年7月，仿真榜单头部模型平均成功率仅8.80%，真机榜单仅12.8%。

是的，仍在个位数挣扎。

反正就是难度和真实性极高，专治实验室闭门造车的偏科生。

如今，DM0.5拿下了第一——

此外，仔细看了下表格，发现这个模型有个极其突出的强项——

记忆。

具体可以看这个Cover Blocks任务：

机器人先从左到右盖住随机排列的红、绿、蓝三个积木。当颜色被完全遮挡后，再根据此前观测，按红、绿、蓝的顺序依次揭开。

DM0.5在三次随机考试中，都取得了100%成功率。

反映在数据上也很直观，RoboDojo榜单中的Memory维度，DM0.5直接猛砍了47.74分，显著领先。。。

绝对是助力其登顶，最关键的绝杀了。

这还没完。

其他权威评测，DM0.5也都打爆了。

而这个SOTA级别的大脑——

早已开源。

榜单数字终究是抽象的。DM0.5的真实能力到底如何，还得看demo。

而原力灵机，大概是当前场景demo最丰富的基础模型厂商。

抗干扰、拼积木、学黄瓜、分拣快递……给我看的眼花缭乱。

但回过头来仔细一样，这些看似分散的demo，其实指向同一件事：

基模的泛化能力。

我们一个个说。

1、人类示教。

这是我觉得最有意思的demo。

DM0.5化身卡卡西，人类示教一次，它便能光速复制粘贴。

说实话，这项技能点其实并不陌生，大家都在做这个方向。

毕竟物理世界场景稀碎，你模型做得再好，总有泛化性覆盖不到的长尾任务，这类场景下鲁棒性会骤降特别多。

这就永远到不了具身的ChatGPT时刻。

目前业内的共识解法是：不追求预训练解决一切，而是在落地环节引入Human-in-the-Loop。让人类工作者拍摄一段示范视频，机器人便能像开了「写轮眼」一样即时对齐并跟随完成复杂任务。

让教机器人，变得像教徒弟。

原力灵机做的便是这件事。

而开头提到的「记忆」，则是解法的关键。

DM0.5原生支持最长60秒的记忆能力，机器人能深度记住并连贯审视自己此前做过的所有动作序列。

基于这份长记忆，模型可以直接跨越语言限制，理解人类演示的视频片段。

2、精细操作。

原力灵机选择的场景，是积木。

其实今年7月我在上海WAIC看过这个demo，说实话，比视频里的精彩得多。

原力灵机联手阶跃，搁展区里拼了个长城。。。

是的，6台机器人，耗时15小时，用81920块微型积木拼出长3.5米的长城模型。

现场也是挤爆了，钻都钻不进去。

但这绝对不是个「情绪价值」demo。

积木拼装，最小的组件宽度不到1厘米，机器人必须在0.1到1毫米的尺度内完成抓取和扣合。这个精度，已经超越了人手约0.3到1毫米的自然抖动极限。

与此同时，微型积木存在工艺公差，直接大力出奇迹的话，极易错位卡死。

所以如果仔细看视频，你会发现个蛮有意思的细节。

这哥们会寸劲儿啊！

机器人会先对准，再轻轻一震、抖动下压，把积木扣住。

当然，自动纠错的能力也很关键。

毕竟是模型嘛，高精度任务确实没法追求把把zero-shot，还是得靠Loop保证稳定性。

柔性物体则更需要自动纠错了。

比如这个削黄瓜的demo，一刀下去，黄瓜形态会变。模型需要实时闭环调整。

刀深几分、力道几何，如何削得干净又不伤果肉……全在毫厘之间的拿捏。

你以为黄瓜到这就完成它的使命了？

不，原力灵机还在继续鞭打黄瓜（bushi）。

但这次侧重点有所不同，是用灵巧手切。

模型通过后训练驾驭高自由度，也是对DM0.5泛化性的展示吧。

3、长程稳定高节拍。

从这开始，demo就和场景紧密结合起来了。

今年北京亦庄的WRC，原力灵机将快递流水线搬到了现场，直击物流中转站最大痛点——

单件分离。

传送带不停，每个包裹的尺寸、材质、摆放姿态都不一样，传统机械方案根本干不了这类任务。

DM0.5不依赖预设脚本，纯靠实时视觉识别和决策，平均3秒一单，准确率超99%。

上周我也是在现场近距离看过这个demo的。

说实话，论论情绪价值，我个人觉得还得是工业场景，超解压啊，跟看清洁直播一样。

至少是能看得下去的，不会慢的要死，捡个枕头都一卡一卡的。。。

ADHD患者强推打卡（bushi）。

4、抗干扰。

真实世界不是实验室，相机随时可能骤变视角，人类随时可能「空降」捣乱。

DM0.5的解法是分层双系统，即业界主流的System1与System2架构。

Sys2是深思熟虑的高阶大脑。负责理解、拒绝与大局预判，剑指zero-shot；

Sys1则是动作专家网络。就像人类的直觉反射，负责handle长程复杂任务中的琐碎细节。

在这套架构加持下，即便外部视点剧烈变化，DM0.5通用Picking的鲁棒性依然极强。

哪怕人类强行打断任务，机器人也能准确理解当前实际状态，自适应修正后续动作。

六类场景，从毫米级到传送带，从刚性到柔性，从执行到模仿。

同一个模型在如此差别很大的场景中都表现优秀，是很少见的。

现在大家都冲百万小时数据，但光看数据量，或许并不符合第一性原理。

如果基模没有强泛化，每个场景都单独训一个模型，demo再多，也不过是一堆散落的珍珠。

偏科是没法的Scaling Up的。

这也是我觉得DM0.5最有意思的Takeaway吧，具身模型本身的能力正在被看见，并且上限可以做到很高。

说了这么多，原力灵机究竟是怎么做到的？

这方面，团队也早把他们的经验，毫无保留地全盘托出了。

答案分为三层，也是具身绕不开的三个核心变量：数据、架构、延迟。

先看数据。

数据决定智能上限，这也是整套具身工程中，最重要的一环，没有之一。

DM0.5的数据资产，主要分为三类。

1、真机：5万小时高精度操作，覆盖100+种丰富动作，实现秒级精细指令动作对齐。

2、Ego：10万小时场景视频，支持毫米级高精度3D Landmark生成，实现精准标注。

3、仿真：100万平空间数据建模复杂室内环境，高精度重建解决Sim2Real Gap。

感觉他们还是把质量看的很重的，不是光脑门一拍硬采。

数据量的方式则用omni融合思路解决，也是目前行业比较主流的方案，风险最小化。

再看架构。

一句话总结，DM0.5主要有三大创新，对应解决三个问题。

1、怎么记得住？

这个前面提到过，为了降低DM0.5的落地门槛，原力灵机引入了原生长记忆。

具体而言，团队在上下文抽象层做了大量工作，通过高效的信息压缩技术，让4B参数的VLM在预训练阶段就能原生学习并记住历史信息。

2、怎么看得懂？

对此，原力灵机有这么一个判断：

毕竟不管怎么说，语言确实是最方便蒸馏人类思考能力的模态了，有Language这一层赋能，就是很吃香。

于是有了具身思维链任务。

为此，DM0.5设计了具身思维链任务，用11项推理任务驱动模型，对指令、本体、环境进行三方联合建模，赋予动作生成以语义理解和世界预判能力。

这个过程中，团队可以构造了「反事实任务」，故意给出错误指令，迫使模型真正「看懂」而非机械匹配。

3、怎么对得齐？

传统动作监督是对点式的，预测轨迹与真值轨迹之间的偏差会不断累积，最终炸掉。

原力灵机做的事对齐式的动作监督，利用约束动态规划高效计算最优匹配，一次性解决动作轨迹不一致的问题。

数据和架构双剑合璧，大幅提升了DM0.5的智能上限。

但真正要能用，还得看效率。

具身最终是要在端侧实时跑的。推理不够快，参数就是坨废纸。

为此，原力灵机做了一系列优化，这里就不多做赘述，大家可以直接看官方技术报告。

最后成果如下——

硬生生加速了一个数量级啊。。。

而且，精度基本无损。

可以说是让整套VLA推理系统超进化了。

「登顶」确实很惊艳，但说实话，这可能真还不是最值得关注的事情。

具身天上一天地上一年，冠军频繁易主，仅仅是成绩单，很容易过期。

真正能在具身周期里刻下痕迹的，是登顶之后，你愿意留下什么。

这可能也是DM0.5选择全面开源原因。

不仅仅是模型权重，DM0.5的训练框架、下游任务工作流……已陆续在GitHub与Hugging Face开放，供开发者复现、魔改、扩展。

比如下面这个demo，就是原力灵机基于DM0.5，结合开源机械臂套件，监督微调出来的。

LLM领域，开源早不是啥新鲜词，从最开始的DeepSeek，到如今的GLM、Kimi、MiniMax……大家早已习惯了开源的声音。

但在具身行业，我觉得，这件事的意义真不太一样。

物理AI实在太早期，太不成熟了，这点是事实。

所以，我们需要更透明的讨论，更真实的评测，更多公开的工作……

如果谷歌当年没有放出Transfomer，OpenAI或许永远也摸索不出通往ChatGPT的路。

RoboDojo的火爆，推动了评估从「单点Demo展示」走向「标准化全科考试」。让具身真的可以被统一度量、被复现、被挑战。

DM0.5的登顶与开源，则进一步兑现了这个Benchmark的价值。让所有人看到登顶的方法论，也让方法论可以被带走、被复用。

这是原力灵机对当下这场具身竞赛的回答。

登上珠峰，从来不是为了留在山顶。

下一步，是下山——

用开源赋能生态，让第一梯队的具身大脑，走进各行各业的流水线。

GitHub：https://github.com/dexmal/opendm

Hugging Face：https://huggingface.co/Dexmal/DM05

Tech Blog：https://www.dexmal.com/blog/dm0.5