横扫四大榜单，DM0.5凭什么面面俱到？

一个模型同时占据四个能力子榜单的榜首，这在具身智能行业里不多见。

RoboColiseum 由智元机器人发起，联合高校、科研机构、开源社区及机器人企业共同建设，把评测拆成四个维度：指令跟随、空间理解、扰动适应、通用操作。参评者只要在任何一个维度上有结构性短板，就会在对应子榜上掉下来。而原力灵机的通用具身基础模型 DM0.5 在四个子榜上全部排名第一，且目前是唯一做到这一点的模型。

具身评测行业长期存在几个痛点。一是仿真跑分高、真机落地差。RoboColiseum 通过空间智能技术在仿真环境中高保真重建真实世界，逐项校准物理参数，验证结果显示仿真与真机模型表现一致性达 89.5%，单个任务成功率差异均小于 10%。二是评测基准生命周期短，头部模型很快把分数堆满。RoboColiseum 现有 78 个评测任务、超过 3000 个泛化 case，训练集和评测集完全隔离。三是单点能力强不代表真实场景好用，真实任务几乎没有单科题。RoboColiseum 的四个维度分别对应指令、空间、扰动、操作，构成相对完整的考察链条。

在四大子榜单上，DM0.5 以指令跟随 0.8444、空间理解 0.6146、扰动适应 0.7344、通用操作 0.6370 的成绩全部排名第一。四榜同时第一比单项第一难得多，因为四个维度考的是不同层次能力，彼此并不互相加持，任何短板都会直接体现在排名上。

DM0.5 在每个维度上都有具体技术支撑。指令跟随方面，预训练阶段设计具身思维链，11 项推理任务覆盖任务规划和动作生成，展现出 zero-shot 级别泛化。空间理解方面，预训练数据包含 10 万小时 Egocentric 视频，支持毫米级精度 3D 空间标注生成；原力灵机与天津大学、清华大学合作的 GeoVLA 论文入选 IROS 2026 认知机器人最佳论文奖提名。扰动适应方面，模型核心延迟从 534 毫秒压到 57.49 毫秒，加速 9.29 倍，成功率几乎无损；同时具备原生 60 秒记忆，任务中断后可续接。通用操作方面，物流分拣场景平均 3 秒一件，准确率超 99%；亚毫米积木拼装每 12 秒完成一次，可自主纠错；灵巧手场景配合后训练控制 58 个自由度完成厨房任务。

DM0.5 在 RoboColiseum 上并未针对评测任务做专项优化，只是通过常规监督微调将底座能力迁移到评测任务上，这让成绩更接近对底座模型真实能力的测量。

原力灵机并非第一次取得这样的成绩。上个月 DM0.5 登顶 RoboDojo，记忆维度取得 47.74 分和 47.44% 成功率，第二名仅 13.37 分和 12.11%。在其他评测中，LIBERO 综合成功率 99.0%；RoboTwin 2.0 简单和复杂场景成功率分别为 93.6% 和 93.3%；VLA-Arena 三档难度依次为 89.0%、53.6%、44.1%；R2R 和 RxR 的 Val-Unseen 成功率分别为 59.7% 和 65.5%；真机评测 RoboChallenge Table30 V2 中，面对四种异构机型、30 个复杂任务，以 43.0% 整体成功率、54.42 综合得分位列第一。此外，Physical Intelligence 两次关键输出中都将原力灵机的 MemoryVLA 纳入学术参照系。