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。 视频链接：https://mp.weixin.qq.com/s/coxR_Qep1hf975dhFd4lcQ 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 。 视频链接：https://mp.weixin.qq.com/s/coxR_Qep1hf975dhFd4lcQ 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。 视频链接：https://mp.weixin.qq.com/s/coxR_Qep1hf975dhFd4lcQ 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