LIBERO评测第一 越疆DobotWAM具身大模型深度测评
具身智能赛道迎来一项关键突破。越疆科技正式推出其自主研发的世界动作模型——空弈DobotWAM具身大模型，并在行业公认的严苛基准LIBERO上取得了显著成绩。
几个核心数据值得关注：在LIBERO四大标准任务套件上，空弈DobotWAM实现了平均99.25%的成功率。这些套件分别评估空间关系理解、物体泛化、目标指令解析及长时序任务执行。99.25%的成绩显著超越了π0.5、π0、GR00T-N1.5、π0+FAST等公开模型及行业其他已披露数据的方案。
尤为突出的是，在LIBERO-Object套件中，空弈取得了100/100的满分。在Spatial、Goal和LIBERO-10三个套件中，也分别斩获99/100的优异得分。这一成绩并非偶然，而是技术硬实力的直接印证。
越疆能够站稳具身智能行业头部，得益于近三年从协作机器人到具身智能的完整战略跃迁。基于对机器人本体操作能力的深度认知，空弈DobotWAM构建了独特的具身优势。此次LIBERO的出色表现，正是这一战略升级的必然产物。
具身智能的下一个里程碑，不在华美的演示，而在真实可部署的现场执行。过去大量机器人展示多为预设轨迹的舞蹈或翻跟头，视觉效果极佳，却远离实际生产。越疆此次将重心回归插接、抓取、对准等高精度接触作业，推动具身智能走向可用、可靠、可落地的阶段。这正是行业亟需的发展方向。
机器人迈向真实应用的核心挑战并非“识别物体”，而是在动态多变的环境中理解空间关系、拆解任务目标、生成符合运动学结构的动作序列，并维持多步执行的全局一致性。这一要求极高。
近两年，视觉-语言-动作模型（VLA）成为具身智能动作生成的主流方法。在数据充分、任务边界明确的场景中，该范式效率很高。然而，过度依赖2D图像模式或离线轨迹模仿，当遭遇空间扰动、物体变化、长流程任务及真实接触反馈时，极易产生动作漂移、目标丢失，或局部动作正确但整体失败的问题。这要求机器人模型必须超越简单模仿，建立对动作深层结构的本质理解。
空弈DobotWAM的高成功率，源自其在感知、理解、控制及数据闭环上的系统性架构。在VLA模型基础上，它进一步融合3D空间理解、机器人运动学几何约束以及真实数据闭环。最终，机器人不仅模仿动作，更学会了“理解动作背后的因果逻辑”。
核心技术突破集中在以下四个方面：
第一，3D感知空间表征（3D-Aware Spatial Representation）。通过将3D空间信息直接注入VLA建模，模型不再仅依赖2D图像的纹理和像素，而是显式感知物体位置、空间关系及操作目标间的几何结构，显著提升泛化能力。
第二，联合动态几何损失（Joint Dynamic Geometry Loss）。该技术将机器人关节动态信息与末端执行器几何约束引入训练损失函数，使模型从“动作模仿”升级为“理解真实动作结构”。直接收益包括：减少轨迹漂移、缓解姿态不连续、降低抓取失败率，并提升长时序任务执行稳定性。
第三，高级VLM任务分解（Advanced VLM Task Decomposition）。依托先进VLM骨干，模型对复杂语言指令进行语义解析与任务拆解，将长流程操作划分为清晰的阶段目标和可执行子步骤。这有效解决了行业内局部动作正确但整体任务失败的顽疾。
第四，高质量数据飞轮与真机回溯（High-Quality Data Flywheel + Real-Robot Recap）。越疆打造了高质量数据飞轮，以真机回溯（Recap）实验为核心，闭环实现数据采集、训练、评测与反馈。成功、失败及长尾场景的真实经验被持续吸收，大幅提升从仿真基准到真实环境的迁移能力。
这四项技术相互耦合、协同增强，使空弈DobotWAM能够稳定执行多物体、多阶段、长时序的机器人操作。它为具身智能规模化落地提供了可复用的系统框架。
以三个典型测试任务为例：分类抓取、插充电器、插笔帽。这些日常操作实则代表高精度接触作业。模型需识别目标位置，理解插头与插座、笔身与笔帽的空间关系，并连续完成对准、接近、插入、闭合等动作。直接考验三项关键能力：小目标定位与姿态估计、强几何约束下的末端控制、接触过程中的稳定执行与误差修正。
测试中，空弈DobotWAM基于视觉观测定位目标，结合机器人实时状态生成动作，使机械臂在真实环境中稳定完成抓取与充电器插接。在插笔帽任务中，模型准确判断笔身与笔帽的相对位置及开口方向，实现轴线对齐与精细插入，全程姿态平稳。三项任务的连续稳定完成，验证了其从空间理解、姿态控制到接触执行的完整闭环能力。
具身智能走向真实世界，不能仅靠更大的参数量或单次演示的亮眼表现。真正驱动机器人规模落地的，是同时具备空间理解、任务规划、精准执行与持续进化能力的模型体系。越疆空弈DobotWAM具身大模型正是沿此路径迈出的关键一步。未来，越疆将继续围绕真实机器人场景迭代模型，推动机器人从“能看懂、能行动”走向“能适应、能泛化、能长期可靠执行”。