新浪科技讯 6 月 1 日下午消息，深圳具身智能企业越疆发布自研世界动作模型空弈 DobotWAM 具身大模型，该模型在具身智能标准评测基准 LIBERO 上分别完成 LIBERO-Spatial、LIBERO-Object、LIBERO-Goal 和 LIBERO-10 四个标准任务套件，覆盖空间关系理解、物体泛化、目标指令理解以及长时序任务执行等关键能力维度，平均成功率达 99.25%，领先于 π 0.5、π 0、GR00T-N1.5、π 0+FAST 等公开模型，以及业内已有数据公布的其他模型。

其中，空弈 DobotWAM 具身大模型在 LIBERO-Object 上实现 100/100 全部成功，在 Spatial、Goal 和 LIBERO-10 三个套件中均达到 99/100。

（配图：LIBERO 评测结果）

机器人走向真实应用，真正的挑战不再是 " 识别物体 "，而是在动态、多变的开放场景中，理解空间关系、拆解任务目标、生成符合运动结构的动作，并在多步执行中始终保持全局一致。

近两年，视觉 - 语言 - 动作模型成为具身智能动作生成的主流范式，在数据覆盖充分、任务边界清晰的场景下展现了较高效率。然而，过度依赖二维图像模式或离线轨迹模仿，在面对空间扰动、物体变化、长流程任务和真实接触反馈时，仍容易出现动作漂移、目标丢失，或局部动作正确而整体任务失败的情况。这要求机器人模型必须超越单纯的 " 模仿 "，建立起对动作深层次结构的真正理解。

据悉，空弈 DobotWAM 的高成功率，源于其在感知、理解、控制与数据闭环上的系统性设计。模型在视觉 - 语言 - 动作建模的基础上，进一步引入三维空间理解、机器人运动几何约束和真实数据闭环机制，使机器人不仅学会 " 模仿动作 "，更学会 " 理解动作为什么这样做 "。

其核心技术突破包含四个方面：

·  3D-Aware Spatial Representation：将 3D 空间信息引入视觉 - 语言 - 动作建模，使模型不只依赖 2D 图像纹理和像素特征，能够显式感知物体位置、空间关系与操作目标之间的几何结构，具备更强的泛化能力。

·  Joint Dynamic Geometry Loss：将机器人关节动态信息与末端执行器几何约束融入训练 loss，使模型从 " 模仿动作 " 升级为 " 理解真实动作结构 "，从而减少轨迹漂移、姿态不连续和抓取失败，提升长时序任务中的执行稳定性。

·  Advanced VLM Task Decomposition：基于高级 VLM backbone 对复杂语言指令进行语义理解与任务拆解，将长流程操作分解为更清晰的阶段目标和可执行子步骤，避免局部动作正确但全局任务失败。

·  High-Quality Data Flywheel + Real-Robot Recap：构建高质量数据飞轮，以 Recap 真机实验为核心，闭环采集、训练、评测与反馈，持续吸收成功、失败及长尾场景的真实经验，提升从仿真 benchmark 到真实环境执行的迁移能力。

这四项技术彼此耦合，使得空弈 DobotWAM 能够更稳定地完成多物体、多阶段、长时序的机器人操作任务，为具身智能的大规模落地提供了可复用的系统性框架。（文猛）