原力灵机 DM0.5 登顶 RoboDojo，模型与训练框架全开源

原力灵机（DEXMAL）发布具身基础模型 DM0.5，在由香港大学多媒体实验室联合加州大学伯克利分校、清华大学等近 20 所学术机构共同发起的 RoboDojo 评测中拿下综合第一，并以完整开源的方式向社区开放模型权重与训练框架。

RoboDojo 登顶，并横扫多项权威榜单

RoboDojo 被业内称作具身领域的「珠峰」。截至 2026 年 7 月，其仿真榜单头部模型平均成功率仅 8.80%，真机榜单仅 12.8%，难度与真实性极高。DM0.5 在该榜单上的成绩如下：

• 综合得分：24.90
• 平均成功率：19.34%

相较榜单平均水平，DM0.5 几乎将成功率翻倍。更具说服力的是其在 Memory 维度上相对前一名拉开 47.74 分的显著差距，这与其原生长记忆能力直接相关。

在其他权威具身评测中，DM0.5 同样表现亮眼：

• LIBERO：综合成功率 99.0%
• RoboTwin 2.0：简单与复杂场景成功率分别为 93.6% 与 93.3%
• VLA-Arena：三档难度下成功率分别为 89.0%、53.6%、44.1%
• RoboChallenge Table30 v2：综合得分 54.42，成功率 43%

一个基模，覆盖六类场景

榜单之外，DM0.5 在六类差异显著的具身任务上展示了同一基模的泛化能力：

• 人类示教：单次示教后即可复现复杂动作；模型支持最长 60 秒的长记忆，并可跨语言理解人类示范视频。
• 精细操作：在尺寸不到 1 厘米的微型积木拼装中实现 0.1–1 毫米级抓取与扣合，并具备「对准—轻震—下压」式自动纠错；柔性物体如黄瓜切削场景下可实时闭环调整刀深与力道。
• 工业节拍：快递单件分离任务平均 3 秒一单，准确率超过 99%，不依赖预设脚本。
• 抗干扰：采用 System1/System2 分层双系统架构，在视点剧烈变化或人类强行打断场景下，仍可自适应修正后续动作。

值得注意的是，DM0.5 的覆盖范围从毫米级刚性操作延伸到传送带级长程任务，从执行延伸至模仿，展现出较强的场景泛化能力。

数据、架构与效率的全面升级

DM0.5 的能力建立在三类数据资产之上：

• 真机：5 万小时高精度操作，覆盖 100+ 种动作；
• 第一视角（Ego）：10 万小时场景视频，支持毫米级 3D Landmark 标注；
• 仿真：100 万平方米空间数据建模，用于缩小 Sim2Real 差距。

架构层面，DM0.5 通过三项关键设计解决「记得住、看得懂、对得齐」三个核心问题：

• 原生长记忆：在上下文抽象层做高效信息压缩，使 4B 参数的 VLM 在预训练阶段即可学习并保留长时历史；
• 具身思维链：用 11 项推理任务对指令、本体、环境进行三方联合建模，并构造反事实样本逼迫模型真正「看懂」指令；
• 对齐式动作监督：用约束动态规划一次性对齐动作轨迹，避免点对点监督的偏差累积。

效率方面，模型核心推理延迟从 534.04 ms 降至 57.49 ms，累计加速 9.29×，延迟下降 89.2%；API 端到端延迟 p50 为 67.75 ms、p90 为 70.01 ms；同时 LIBERO 成功率仅由 98.45% 微降至 98.40%，精度基本无损。

全栈开源：登顶之后的下一步

DM0.5 并非一次性发布。其模型权重、训练框架与下游任务工作流已在 GitHub 与 Hugging Face 陆续开放，开发者可直接复现、微调并扩展至自有机械臂平台。

对仍处于早期、缺乏成熟范式的具身行业来说，公开的基模与可复现的训练管线，与 RoboDojo 这类标准化评测一起，为整个社区提供了可度量、可挑战、可借鉴的方法论。原力灵机将这一选择概括为：「登上珠峰，从来不是为了留在山顶」。

• GitHub：https://github.com/dexmal/opendm
• Hugging Face：https://huggingface.co/Dexmal/DM05
• 技术博客：https://www.dexmal.com/blog/dm0.5