(相關資料圖)

近日，深圳具身智能企業越疆科技公布了其自研“空弈DobotWAM”具身大模型在LIBERO基準上的評測結果。在LIBERO包含的四個標準任務套件中，該模型取得平均99.25%的成功率，是目前該榜單上已公開數據中的最高分。同一榜單上，還包括π0.5、π0、GR00T-N1.5、π0+FAST等外界較為熟悉的模型。

LIBERO是具身智能領域一套標準化的操作能力評測基準，下設四個子套件，分別對應不同的能力維度：LIBERO-Spatial考察空間關系理解，LIBERO-Object考察對物體外觀和類別變化的泛化能力，LIBERO-Goal考察任務目標與指令理解，LIBERO-10則聚焦長時序、多步驟任務的執行。根據越疆科技公布的數據，空弈DobotWAM在LIBERO-Object上實現了100%成功率，在其余三個套件上均達到99%。

這一成績背后，是行業近兩年在具身智能技術路線上演進的縮影。當前，視覺—語言—動作模型已成為具身智能動作生成的主流范式，在數據覆蓋充分、任務邊界清晰的場景下展現出了較高效率。但不少從業者也觀察到，過度依賴二維圖像模式或離線軌跡模仿，在面對空間擾動、物體變化、長流程任務和真實接觸反饋時，容易出現動作漂移、目標丟失或局部動作正確而全局任務失敗的問題。如何讓模型超越單純的“模仿”，建立起對動作深層次結構的理解，成為行業集中攻關的方向。

從越疆科技披露的技術信息來看，空弈DobotWAM的技術架構反映了這一思路。它在視覺—語言—動作建模的基礎上，引入了四項互相配合的設計：一是3D-Aware Spatial Representation，將三維空間信息顯式引入模型，使其能夠感知物體位置、空間關系與操作目標之間的幾何結構，而非僅依賴二維圖像紋理；二是Joint Dynamic Geometry Loss，在訓練損失函數中融入機器人關節動態信息與末端執行器幾何約束，使模型在生成動作時更貼近真實運動學規律，減少軌跡漂移和姿態不連續；三是Advanced VLM Task Decomposition，利用高級視覺—語言模型骨干對復雜指令進行語義理解與任務拆解，將長流程操作分解為階段性子步驟；四是High-Quality Data Flywheel與Real-Robot Recap機制，以真機實驗為核心構建數據閉環，持續吸收成功、失敗及長尾場景的真實經驗，以提升從仿真基準到真實環境的遷移能力。

據了解，越疆科技本身在協作機器人領域有多年積累，這一背景使其在獲取真實機器人操作數據、理解物理交互特性方面具有先天條件。其公布的高精度接觸類任務測試案例——插充電器和插筆帽——也指向了同樣的方向：這兩項任務考驗的是小目標定位與姿態估計、強幾何約束下的末端控制，以及接觸過程中的穩定執行與誤差修正能力。這類任務的連續穩定完成，在當前行業內仍被視為高難度挑戰。

從行業層面看，空弈DobotWAM的發布是具身智能從展示型動作向真實場景操作能力邁進的一個案例。行業評價標準正在從“能否完成單次演示”，轉向“能否在動態、多變環境中穩定可靠地執行長流程任務”。這一轉變對模型的空間理解、任務規劃和持續進化能力提出了更高要求。如何在更大范圍、更開放的真實場景中保持此類高成功率，仍是包括越疆科技在內的所有具身智能企業需要持續驗證的課題。