换题还是第一！DM0.5横扫RoboColiseum四榜
具身智能最近又多了一张榜单，而排在第一的，还是一个熟悉的名字：原力灵机 DM0.5。
RoboColiseum 是智元机器人发起的一套具身模型评测，专门从四件事上折腾机器人：指令跟随、空间理解、扰动适应和通用操作。你可以简单理解成：听不听得懂、看不看得明白、环境变了会不会乱，以及最后到底能不能干活。DM0.5 这次的结果很直接：四张榜，四个第一。它也因此成了目前 RoboColiseum 里唯一一个所有评测都排第一的模型。
更值得注意的是，两周前它刚拿下 RoboDojo。再往前看，LIBERO、RoboTwin 2.0、VLA-Arena、RoboChallenge Table30 V2…… 到现在，DM0.5 已经把自己公开参与的六套评测，全跑到了第一。但比又多一个第一更值得注意的是，这六套评测考的根本不是一回事。甚至距离上次站到榜首，还不到半个月。
题目一直在换，第一名没怎么换
LIBERO 看通用操作；RoboTwin 2.0 更强调复杂场景下的任务执行；VLA-Arena 把难度一层层往上加；RoboChallenge Table30 V2 直接上真机，而且一次面对 ARX5、UR5、ALOHA、Dexmal-Mirror 四种异构本体和 30 个复杂任务；两周前的 RoboDojo，则专门盯着泛化、记忆、精细操作、长程执行和开放语义理解；这次 RoboColiseum，又把指令、空间、扰动和通用操作重新拆开来考。
换句话说，这不是一套题反复刷。是题型一直在变。 但 DM0.5 到目前为止，没怎么换位置。在 LIBERO 上，综合成功率 99.0%；RoboTwin 2.0 简单和复杂场景分别是 93.6% 和 93.3%；VLA-Arena 三档难度下分别做到 89.0%、53.6% 和 44.1%。到了真机的 RoboChallenge Table30 V2，DM0.5 以 43.0% 整体成功率、54.42 综合得分位列第一。RoboDojo 里最夸张的是 Memory。DM0.5 在这个维度拿到 47.74 分、47.44% 成功率，第二名只有 13.37 分和 12.11%。
这也是为什么，比起强调 “第六个第一”，更值得看的其实是另一件事：DM0.5 展现出来的，不是某一项能力特别突出，而是比较完整的能力覆盖。具身智能过去很容易出现 “Demo 很强，换题就掉” 的情况。一个模型可以特别会抓杯子，也可以特别会叠衣服，甚至能在某套 Benchmark 上刷出非常漂亮的成绩。但你一旦换环境、换任务、换机器人本体，它可能立刻变成另一个什么也不会的模型。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。现在这些不同榜单，本质上就是从不同方向给模型找短板。而 DM0.5 到目前为止，几套不同类型的考试都接住了。
现实世界根本不会按 Benchmark 出题
当然，Benchmark 再多，最后还是得回到真机。因为真实世界比排行榜更烦。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，而这些，恰恰是具身模型真正进入现实环境后必须处理的问题。
比如，相机视角突然变化。在 DM0.5 的真机演示里，即便外部视点发生明显变化，机器人仍然可以根据新的观测继续完成原来的任务。
再比如，人直接伸手打断它。目标被移动、动作被中断以后，机器人不会机械地沿着原轨迹继续做，而是重新理解当前状态，再修正后续动作。这些变化看起来很小，却很容易让机器人偏离原来的执行轨迹。因为真实工厂和实验室最大的区别，不是设备更多，而是意外更多。
然后是精细操作。DM0.5 做过一个微型积木拼装 Demo，最小组件宽度不到 1 厘米，抓取和扣合需要控制在 0.1—1 毫米尺度内。这件事情的难点在于，积木不是 “压下去” 就算完。因为工艺公差，直接硬压很容易错位卡死。机器人需要先对准，再通过很细的震动和下压力完成扣合。如果真的接歪了，它还得自己发现失败，再重新调整机械臂姿态、重新抓取、重新装配。
另一个 Demo 是削黄瓜。这类任务比积木更难控制，因为黄瓜是柔性的：力大了，直接切坏；力小了，切不动；表面形状还在变化。DM0.5 会通过关节电机电流值实时感知作用力大小，在接触过程中持续调整。搭载高自由度灵巧手的人形机器人经过针对性后训练后，还可以控制 58 个自由度完成长程厨房操作。
最后看物流，这里甚至没有 “慢慢想” 的机会。传送带不停，包裹尺寸、材质和姿态一直变，机器人只有几秒钟时间完成识别和动作。在实际演示中，DM0.5 不依赖预设脚本，而是靠实时视觉识别和决策，平均约 3 秒一单，准确率超过 99%。
把这些 Demo 放到一起，会发现它们其实和前面的六套 Benchmark 在解答同一个问题：换了情况以后，模型还能不能继续做？只不过现实世界出的题，比 Benchmark 更复杂，也更不可控。
那问题来了：换了一套题，为什么 DM0.5 不用从头学？
这次 RoboColiseum 有个细节挺值得看。DM0.5 并没有针对四张榜单分别重新设计一套复杂方法，而只是通过常规监督微调，把已有能力迁移到新的机器人构型和任务上。换句话说，这次成绩更多依赖的，是预训练阶段已经形成的能力。从架构上看，DM0.5 并不只是在学习 “看到这个画面，下一步机械臂该怎么动”。它一边持续压缩和保留历史视觉信息，一边把任务指令、机器人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。简单来说，它想学的不只是 “怎么动”，还有 “现在发生了什么、做到哪一步、接下来该做什么”。这也是为什么，在换任务、换场景之后，模型仍然有机会把预训练阶段学到的能力迁过去，而不是每换一道题就重新学一遍。
DM0.5 模型架构：历史视觉信息、任务指令与机器人状态共同进入模型，经过具身任务理解后生成机器人动作。
其中一个比较直接的例子就是记忆。DM0.5 原生支持最长 60 秒的历史信息，可以把之前发生过的观测和动作继续带进当前决策，而不是每一步都只看眼前。这个设计，也和它在 RoboDojo Memory 维度上的表现形成了呼应。再往下，是数据。它的预训练数据覆盖导航、抓取和全身控制，以及六类机器人本体，包括 5 万小时真机高精度操作、10 万小时第一视角场景视频和 100 万平方米空间重建数据。
最后还有一个很现实的问题：模型得足够快。DM0.5 此前把核心推理延迟从 534.04ms 压到了 57.49ms，在基本保持精度的情况下实现 9.29 倍加速。对机器人来说，这不是单纯的性能优化。它要在真实世界里持续感知、判断、动作，慢半拍，结果可能就是另一回事。
六套题以后，下一张成绩单不在榜单上
不过，对具身智能来说，Benchmark 最后还是 Benchmark。真正更难的考试，是生产环境。
目前，DM0.5 已经全面开源，模型权重、训练框架，以及 LIBERO、RoboTwin2、SO101 等多个下游任务工作流已经陆续开放，也已经向 LeRobot 社区提交核心代码。同时，它也已经开始进入实际场景。在某大型国际零售商仓储中，多台搭载 DM0.5 的机器人正在和其他类型机器人协同完成商品搬运与分拣。
在某大型 3C 制造商工厂中，搭载 DM0.5 的机器人正在参与包装和废料回收。
今天的具身模型评测，其实正在发生一个挺明显的变化。大家已经越来越不满足于问 “这个动作做得多好”，而是在不断换任务、换场景、换本体、加干扰，看模型的能力能不能在变化中保持住。对所谓 “通用具身模型” 来说，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。