原力灵机DM0.5：数据飞轮+三级火箭，打通具身智能落地闭环

当前具身智能领域尚未形成广泛的行业共识，但有一个核心痛点几乎得到所有从业者的认可：数据飞轮无法正常运转，是阻碍行业发展的最大障碍之一。按照规模化发展规律，具身智能同样需要更大的数据规模、更高质量的数据闭环以及更强的算力支撑。算力问题的解决路径已经相对清晰，但数据采集却面临双重难题：一方面要达到百万小时级的采集量，纯人工方式耗时过长无法满足需求；另一方面如果要求数据兼具规模和真实任务价值，难度更是呈指数级提升。

最理想的解决方案，是将被动的“采集型具身数据”转化为真实业务场景中持续产生的“场景型数据”，以此推动数据飞轮加速运转。在这一领域，具身智能创业公司原力灵机的实践颇具代表性。

该公司核心创始团队来自头部AI企业，具备大规模AI模型训练、机器人落地以及高可靠硬件量产的丰富经验；近期公司还与物流机器人企业完成合并，补齐了真实场景落地的关键短板。不过仅有经验和场景储备并不足以确保成功，若模型本身不足以适配场景，同样无法高效吸收和利用数据。

在近期的原力灵机开发者大会上，该公司正式推出新一代具身基础模型DM0.5。这款模型既是承接数据飞轮的核心底座，也是连接开发者平台与真实落地场景的关键桥梁，为后续所有落地应用提供了基础支撑。

原力灵机将DM0.5的核心特点概括为“更大、更强、更实用”，其定位为面向开放世界的通用具身基础模型，参数规模达到4B，相比上一代模型实现了翻倍。相较于前代模型，DM0.5的数据总量提升了400%，这些高质量数据主要由三类核心部分构成：

• 第一类是真机操作数据：累计使用5万小时高精度操作数据，覆盖100余种丰富动作，实现了秒级精细指令与动作的精准对齐，主要解决机器人在真实物理环境中完成操作的基础问题。
• 第二类是第一视角数据：通过10万小时的第一视角数据训练，让模型能够以类似人类的视角理解周围环境，同时支持毫米级高精度3D地标生成。
• 第三类是场景重建数据：团队通过对100万平方米空间的数据建模，构建复杂室内环境的数字化副本，帮助模型大幅降低仿真环境与真实世界之间的适配差距。

在高质量数据支撑之外，DM0.5在模型架构上实现了三项关键创新：

1、上下文抽象层
现实场景中的具身智能任务往往是数分钟甚至更久的长周期作业，对历史状态和步骤的记忆能力至关重要。通过高效的上下文压缩技术，DM0.5原生支持最长60秒的记忆能力（当前行业平均水平仅为30秒左右），能够更精准地提取和保留关键历史上下文，理解更长时间范围内的动作和环境变化，减少长周期连贯作业中的逻辑断片问题。

2、具身思维链任务
原力灵机的具身模型主要采用视觉语言动作（VLA）路线，但传统VLA模型更多关注视觉输入到动作输出的直接映射，在复杂场景下的理解和执行能力存在明显不足，容易出现盲目试错甚至任务卡顿的情况。DM0.5引入了任务规划、目标定位、未来状态预测等推理任务，让模型具备“先谋后动”的能力。面对复杂指令时，模型会自动将大目标拆解为多个子任务，规划好动作顺序和逻辑后再执行，大幅降低无效动作和任务失败率。

3、轨迹对齐层
从自然语言指令到机器人关节毫米级动作之间存在巨大的技术鸿沟，轨迹对齐层就如同专业的翻译官，将动作学习从传统的“点对点匹配”升级为“整体轨迹对齐”，帮助模型理解运动过程中的内在规律，实现从语言到动作的精准转化。

上述数据和架构层面的升级，最终让DM0.5实现了从“记住动作”到“理解任务”的核心跨越，这也是其被定位为开放世界通用具身基础模型的核心原因。

在数据规模和架构创新的双重加持下，DM0.5展现出了亮眼的综合性能。在真机与仿真环境的四大公开评测中，DM0.5全面超越当前行业最优水平。单个模型即可同时支持导航、抓取、全身控制等多种任务类型，相比上一代模型，其零样本导航成功率提升31%，少样本成功率提升45%，经过微调后的任务成功率也提升了20%。

不仅精度表现出色，DM0.5的推理效率也实现了显著提升。整体推理效率提升25%，在专业算力平台上推理延迟低至50ms，即便是消费级显卡，推理延迟也仅为90ms。

原力灵机联合创始人表示，今年以来具身智能领域推出了大量新模型，但很多产品的实际可用性仍待验证。他认为，衡量一款具身基础模型是否好用，有两个核心标准：一是基础模型的零样本泛化能力，这决定了模型能力的上限；二是后训练效率，这直接关系到模型走向产业落地的速度。

在后训练效率方面，DM0.5实现了突破性的普惠优化，微调成本下降60%，仅需一块消费级显卡，最快18小时即可完成一个全新下游任务的专家级微调部署。而在泛化能力方面，原力灵机主张“拒绝用任务表演冒充通用能力”，DM0.5致力于让模型真正理解对象、场景、任务、机型与自然语言指令之间的深层关系。

在开发者大会上，原力灵机技术负责人表示，已经从DM0.5身上观察到了明确的泛化能力涌现。团队通过搭载DM0.5的单臂设备进行实测，验证了8项核心原子动作以及复杂指令遵循能力。测试结果显示，除了基础移动能力与同类主流模型持平外，其余所有测试项目中，DM0.5相比前代模型均取得了明显优势。

在面向真实工业与生活场景的权威真机评测中，经过30个复杂任务、4种异构机型的检验，DM0.5最终总得分与任务成功率均位列所有参赛模型第一。在抓取与导航等多项行业公认的权威评测集上，DM0.5均刷新了历史最佳纪录。

除了基础性能优势，DM0.5还具备多项实用特性：原生支持最长60秒的长时记忆，远超当前行业普遍水平，能够支持更长程、多步骤的任务处理；解锁了视频示教功能，基于长记忆特性，模型可以直接跨越语言限制，理解人类演示的视频片段，实现“观看示教视频后即时对齐并完成复杂任务”的直觉化交互。

DM0.5采用双系统架构，分别负责高层决策与高频动作响应。同时，模型针对具身智能场景中两类高频干扰进行了深度强化：一是相机视角突变，二是人类动作突发干扰，保障机器人在复杂真实环境中的稳定运行。

由于训练阶段采用了多机型与多任务一体化融合训练方式，DM0.5天然具备跨平台迁移能力，可以轻松适配双足人形、轮式、双臂/单臂机械臂及灵巧手等各类主流及异构机型，即便是全新未知机型，也能快速完成轻量化部署。技术负责人感慨道：“去年具身模型还没有真正的泛化能力，今天已经完全不同了，随便拉来一台机器人，装上模型就能通过语言指令完成任务。”

泛化能力的突破，让具身机器人不再局限于固定环境中的固定动作，而是能够理解新对象、新环境和新任务，人与机器人的交互方式也将因此发生根本性改变。

不过，具身基础模型要真正进入产业现场，仅靠模型本身是远远不够的。正如单级火箭无法达到第一宇宙速度，需要多级火箭接力加速才能将载荷送入预定轨道，原力灵机围绕DM0.5构建了完整的落地支撑体系。

该体系被称为具身智能落地的“三级火箭”：第一级是泛化能力强大的DM0.5基础模型；第二级是系统化、平台化的支撑能力，包括DexDev开发者平台；第三级则是体系化的场景解决方案能力，即多智能体混合作业系统。三者协同打通，实现从模型到生产力的完整转化。

其中，DexDev开发者平台主要用于解决具身智能应用的复杂问题。当前具身智能赛道仍处于早期阶段，各环节彼此割裂，开发者往往需要同时掌握多方面能力，门槛极高。DexDev通过三个核心模块解决这一痛点：

• 世界模型驱动的框架DFOL2.0：这是由通用世界模型驱动的具身强化学习与数据闭环框架，通过高保真的虚拟物理环境完成低成本、低风险的闭环策略训练，替代高昂的真机试错成本，同时将真实场景中的作业与失败数据持续回流至云端，实现基础模型的自主迭代与持续进化。实验数据显示，该框架可让真机训练数据需求下降60%，训练成本降低40%。
• 具身通用操作系统DexOS：通过定义标准化的具身控制协议接口，DexOS屏蔽了底层异构硬件的执行差异，将大模型与各类机器人本体之间复杂的适配难题降维简化，确保DM系列模型能够以低成本、低延迟的方式跨硬件稳定部署与实时控制。
• 行业首个具身MaaS服务：原力灵机推出的具身通用MaaS服务，将DM系列基础模型的能力封装为一站式服务，开发者无需从零开始训练模型，也无需解决复杂的硬件适配问题，即可一键式开发并调用模型的泛化能力，完成机型部署与升级。

三大模块合力解决了具身智能领域要素碎片化、缺乏统一基础设施的行业痛点。

当单机机器人的能力通过MaaS实现规模化调用后，如何让多台机器人高效协同作业，成为具身智能落地真实场景的下一个关键挑战。为此，原力灵机推出了多智能体混合作业系统，旨在解决多目标、多模型、多硬件之间的系统级调度问题。

该系统依托DM系列模型构建，是面向真实场景的多智能体协同系统。它并非针对单一机器人设计，而是在任务目标、模型能力、多形态硬件和安全边界之间建立一套完整的系统级调度机制，通过任务分级、异常处理、人工接管和数据回流，保障机器人在真实环境中持续稳定运行。

从DM0.5基础模型，到DexDev开发者平台，再到多智能体场景作业系统，这套完整的基础设施体系，让具身智能从实验室向产业现场迈出了坚实的一步。当前具身智能领域并不缺乏顶尖人才、海量数据和精密硬件，若能多一份对物理世界的敬畏心，行业就能发展得更加扎实稳健。

具身智能要真正跨越属于自己的关键节点，离不开长期扎根的耐心和脚踏实地打磨场景的坚持。原力灵机表示，“持续打造极致的产品，穿越具身智能的技术周期与产业周期”，正是他们的发展锚点。

塔猴是一个专注于为用户提供系统学习、内容创作与商业连接的AIGC综合服务平台，致力于为每一位AI探索者打造理想的创作、成长家园。在塔猴，你不仅可以学习众多AIGC类实战课程，获得与时俱进的AIGC技能和视野，还有机会获得长期商业合作和接单机会！点击进入：https://www.tahou.com/