WAIC 现场：6 台机器人 15 小时自主拼装 8 万块积木长城，具身大模型 DM0.5 成幕后核心

在 2026 年世界人工智能大会（WAIC）上，原力灵机联合阶跃星辰发起了一项全球首次的机器人自主拼装挑战：6 台异构机器人（4 台桌面机器人 + 2 台人形轮式机器人 Apex）在 15 小时内连续作业，使用超过 8 万块微型积木，自主搭建了一座长 3.5 米、宽 1.5 米、最高点 1.1 米的长城模型。全程无人工遥控，无预设脚本，由原力灵机最新发布的具身通用基础模型 DM0.5 自主驱动。

挑战细节与难度

• 精度要求：积木咬合需要在 0.1–1 毫米尺度内完成精准对位，而人类手部自然抖动幅度约为 0.3–1 毫米，机器人需在接近人类生理极限的精度下稳定作业。
• 协同模式：6 台机器人无中央调度，通过通信协商动态分工，实时共享进度并协调空间占位，实现去中心化的多智能体协同。
• 长程稳定性：15 小时连续运行，要求机器人保持稳定输出，避免累积误差。

核心模型：DM0.5 与 DW0.5

• DM0.5：原力灵机自研的具身通用基础模型，采用 VLA 架构，以 4B 参数多模态主干 + 680M 动作专家为核心，训练数据达 15 万小时（含 5 万小时真机高精度操作数据、10 万小时第一视角场景视频等）。相比上一代 DM0，数据量增长 400%，参数量翻倍。
  • 关键架构改进：
    • 上下文抽象层：提供最长 60 秒的任务进程记忆，避免长程任务中“走一步忘一步”。
    • 具身 CoT：引入 11 种自回归推理任务，将训练监督从单一动作预测扩展为指令理解、时序推理与动作生成的联合监督。
    • 轨迹对齐层：通过动态规划将预测动作与真实轨迹单调递增匹配，消除采集员个人节奏差异，让模型学习任务规律。
• DW0.5：世界模型，作为后训练闭环中的“Learned Environment”，用于模拟动作后果并生成成功/失败轨迹，配合强化学习教练员 CFG-RL 进行策略优化，大幅减少真机试错成本。
  • 关键设计：动作作为强先验（帧级绑定）、同时模拟成功与失败、Value Expert 提供密集反馈。

评测成绩

• RoboChallenge Table30 V2：DM0.5 以 43% 整体成功率、54.42 综合得分达到 SOTA。
• LIBERO 仿真基准：平均得分 99.0，超过 π0.5、GR00T N1.7 等基线。
• 双臂协同基准 RoboTwin2.0：93.5 分显著领先。
• 导航基准 R2R/RxR：DM0.5-Nav 在成功率、SPL 等指标上排名第一。
• 世界模型评测：DW0.5 在 EWMBench 上以 4.66 分排名第一，在 WorldArena 上以 73.54 分排名第一。

影响与意义

• 技术验证：挑战验证了具身大模型在亚毫米级精细操作、长程稳定作业、多机协同及开放世界泛化能力上的突破，为制造业中约 20% 依赖人工的精细、非标工序提供了被机器人接管的可能。
• 行业趋势：原力灵机与阶跃星辰的“大脑+身体”组合，反映了大模型公司与机器人硬件公司深度绑定的行业趋势。
• 开源：DM0.5 和 DW0.5 已开源（GitHub: dexmal/opendm, Hugging Face: Dexmal/DM05），推动具身智能社区发展。