DM0.5 横扫六大量具身智能榜单，靠的不是刷题而是真泛化

六张榜，六个第一：不是刷题，是换题

最近具身智能圈又多了一张新榜单——RoboColiseum。这套由智元机器人发起的评测，专门从四个维度“折腾”机器人：指令跟随、空间理解、扰动适应和通用操作。说白了，就是看它听不听得懂人话、能不能看明白环境、外部一乱会不会懵，以及最后到底能不能把活干完。

结果很干脆：DM0.5 在这四个子项上全部排第一，成为目前 RoboColiseum 中唯一一个包揽全部榜首的模型。

但这还不是全部。往前倒两周，它刚在 RoboDojo 拿下综合第一；再往前，LIBERO、RoboTwin 2.0、VLA-Arena、RoboChallenge Table30 V2……截至目前，DM0.5 已经把自己公开参与的六套评测全部跑到了第一名。

乍看之下，这像是又一个“刷榜机器”。但细看就会发现，这六套评测根本不是同一类题。它们考察的目标、环境、机器人本体甚至任务形式都大相径庭。换句话说，这不是反复做同一道题，而是题型一直在变，第一名却没怎么换。

题目千差万别，能力却要连贯

具体来看这些榜单的差异：

• LIBERO 聚焦通用操作能力，在标准化环境中测试模型完成日常任务的稳定性；
• RoboTwin 2.0 则引入更复杂的场景组合，要求模型在动态变化的上下文中执行多步任务；
• VLA-Arena 把难度分层递进，从简单指令到需要推理的复合目标逐步加码；
• RoboChallenge Table30 V2 直接上真机，让同一模型同时适配 ARX5、UR5、ALOHA、Dexmal-Mirror 四种异构机器人本体，面对30个高复杂度任务；
• RoboDojo 重点考察泛化、记忆、精细操作、长程执行和开放语义理解，其中“Memory”维度尤其苛刻；
• 而最新的 RoboColiseum，则把原本混在一起的能力拆开，单独测试指令、空间、抗干扰和操作四个基础模块。

成绩也印证了这种差异性下的稳定性：

• LIBERO 综合成功率 99.0%；
• RoboTwin 2.0 简单与复杂场景分别达 93.6% 和 93.3%；
• VLA-Arena 三档难度下为 89.0%、53.6%、44.1%；
• RoboChallenge Table30 V2 真机测试中，整体成功率 43.0%，综合得分 54.42；
• RoboDojo 的 Memory 维度，DM0.5 得分 47.74（成功率 47.44%），而第二名仅 13.37 分（12.11%）。

这些数字背后透露出一个关键信号：DM0.5 的优势不在某一项特别突出，而在能力覆盖相对完整。过去很多具身模型容易陷入“Demo 很强，换题就掉”的困境——可能特别会叠衣服，也可能专精抓杯子，但在新任务或新机器人上立刻失效。真正难的，从来不是把一道题做对，而是换题之后还能继续做对。而这六套榜单，本质上就是从不同角度给模型找短板。DM0.5 到目前为止，把这些不同类型的“考试”都接住了。

真实世界比榜单更“刁难”

当然，Benchmark 再多，最终还是要回到真实环境。因为现实世界根本不会按排行榜出题。

它不会等你准备好，也不会保证每次输入都长得差不多：相机会突然被动、物体会被人挪走、零件会卡住、柔性物体会变形、传送带更不会因为机器人没想明白就停下来。这些，恰恰是具身模型进入工厂、仓库或家庭后必须处理的问题。

DM0.5 的真机演示展示了它如何应对这些“意外”：

• 相机视角突变：即使外部视点发生明显变化，机器人仍能基于新观测继续完成原任务，而不是直接崩溃或重复无效动作；
• 人为打断：当人伸手移动目标或中断动作时，它不会机械地沿原轨迹执行，而是重新理解当前状态，修正后续动作；
• 微型积木拼装：最小组件宽度不到1厘米，抓取与扣合需控制在0.1–1毫米尺度。由于存在工艺公差，直接硬压极易错位卡死。DM0.5 会先对准，再通过细微震动与下压力完成扣合；若失败，还能自主识别、重新调整姿态并再次尝试；
• 削黄瓜：柔性物体操作更难。力大了切坏，力小了切不动，且表面形状持续变化。DM0.5 通过关节电机电流值实时感知作用力，在接触过程中动态调整力度。搭载高自由度灵巧手的人形机器人经针对性后训练后，可控制58个自由度完成长程厨房任务；
• 高速物流分拣：传送带不停，包裹尺寸、材质、姿态随机变化，机器人仅有几秒时间完成识别与动作。DM0.5 不依赖预设脚本，靠实时视觉识别与决策，平均约3秒一单，准确率超99%。

这些 Demo 和前面的六套 Benchmark 其实在回答同一个问题：换了情况以后，模型还能不能继续做？ 只不过现实世界的题目更复杂、更不可控，容错空间也更小。

为什么换题不用从头学？

这次 RoboColiseum 有个细节值得注意：DM0.5 并没有为四张子榜单分别设计复杂方法，而是通过常规监督微调，将已有能力迁移到新机器人构型和新任务上。这意味着，它的表现主要依赖预训练阶段已形成的能力，而非临时“特训”。

从架构上看，DM0.5 学的不只是“看到这个画面，机械臂该怎么动”。它同时压缩并保留历史视觉信息，将任务指令、机器人当前状态和任务进度一起纳入判断，再由动作模块生成最终控制信号。简单说，它试图理解的不仅是“怎么动”，还有“现在发生了什么、做到哪一步、接下来该做什么”。

这种设计让它在面对新任务时，有机会复用预训练中学到的通用策略，而不是每换一道题就从零开始。

一个直接体现是记忆能力。DM0.5 原生支持最长60秒的历史信息回溯，能把之前的观测和动作带入当前决策，而不是每一步都只看眼前帧。这正好解释了它在 RoboDojo Memory 维度上的碾压式表现。

数据层面也支撑了这种泛化能力：预训练数据覆盖导航、抓取和全身控制，包含六类机器人本体，总计有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和100万平方米空间重建数据。

此外，速度也是关键。DM0.5 将核心推理延迟从 534.04ms 压至 57.49ms，在基本保持精度的前提下实现 9.29 倍加速。对机器人而言，这不只是性能优化——慢半拍，结果可能就是撞上障碍、抓空目标，或者错过传送带上的包裹。

下一张成绩单，不在榜单上

不过，对具身智能来说，Benchmark 终究只是模拟考。真正的终局考试，是生产环境。

目前，DM0.5 已全面开源，包括模型权重、训练框架，以及 LIBERO、RoboTwin2、SO101 等多个下游任务的工作流，并已向 LeRobot 社区提交核心代码。

更重要的是，它已经开始落地：

• 在某大型国际零售商的仓储中心，多台搭载 DM0.5 的机器人正与其他类型机器人协同完成商品搬运与分拣；
• 在某大型 3C 制造商的工厂里，DM0.5 正参与产品包装与废料回收流程。

今天的具身智能评测正在发生明显转向：大家不再只问“这个动作做得多精准”，而是不断换任务、换场景、换本体、加干扰，看模型能否在变化中保持能力。对所谓“通用具身模型”而言，这反而是一场更接近真实需求的考试。

题型一直在变，DM0.5 仍然站在榜首。但真正的考验，才刚刚开始。