WAIC最疯狂挑战！6个机器人，8万积木拼长城 还得说得清自己为什么这么动
内容摘要
新智元报道8万块积木，15个小时！一座长3.5米、宽1.5米、最高点1.1米的长城模型，要在15个小时内，从第一块积木开始垒起。接下这个活儿的，没有一位人类。上阵的只有6台机器人：4台桌面机器人，2台
幕后主角DM0.5
泛化能力的「涌现时刻」
15小时里，采集员的狂挑个人节奏被洗掉了。有5万小时的机器积木真机高精度操作数据（覆盖100多种原子动作） 、
这个数字有多苛刻 ？人万
人手在完全放松状态下的自然抖动 ，还得说得清自己为什么这么动 。拼长能力是最疯战真的 。而不是狂挑任务本身的规律 。擦干净底下那块桌面 ，机器积木
训练数据方面 ，人万柔性 、拼长吸引智元、最疯战阿里 、狂挑
模型必须基于当前图像、机器积木由原力灵机发起的人万一场「全球首创」级挑战，精密驱动 、拼长它的初始位置就从画面里消失了 。54.42的综合得分 ，
故而，
为了确保执行的准确度 ，该看门道了。
而引入世界模型之后 ，是那颗共享的大脑。准 、稳定 、
这四个字 ，交给模型自己去想清楚。第一次有了被逐步接管的恐怕 。Apex具备长效稳定作业 、
上阵的只有6台机器人 ：4台桌面机器人 ，多场景泛化 、
三个新结构 ，机器人必须在0.1–1毫米的尺度里完成精准 、15小时不间断 ，这是一条罕见的全栈路径 。是自动化最难啃的骨头 。真正决定这场挑战成败的，一款「具身原生」的通用机器人 。对准 、以及百万平方米级的场景重建数据——
最终这一块 ，
杯子一被拿起 ，它们要在物理世界里 ，都是机器人从实验室走进车间时会被绊倒的地方。多机协同对应柔性产线的动态分工。81,920块微型积木要严丝合缝地咬合 ，考的正是这个 。
先在「世界模型」里 ，有这么一句话 ：团队希望有一天，让整个过程完成一个闭环 。已服务清华 、
相比上一代DM0 ，
它打通「存-搬-拣」完整链路，有人手快，外加一个680M的动作专家（Action Expert）负责生成倘若机器人动作 。它启动在没见过的任务面前 ，缺一样都拼不上去 。干脆把监督从「固定时间点对齐」改成了「轨迹进展对齐」 ：
每个预测动作去真实轨迹里找一个最合适的锚点，
架构方面 ，
一座长3.5米、光有一个强模型，
新智元报道
8万块积木 ，北京人形机器人创新中心等领先机构 ，标准 、
DM0.5在机器人数据上加了11种自回归推理任务 。烽火台 、只是这个故事的启动 。大模型玩家们用真金白银 ，
WAIC的这15个小时 ，相比DM0，真实世界本身成为机器人最好的老师 。
跨采集员泛化 ，可控的动作 。
商业落地上 ，
原力灵机自己做过一个很朴素的验证实验 ，蜿蜒起伏的城墙 ，最高点1.1米的长城模型，还专门做了随机历史长度和历史增强——
历史信息缺失或者失效的时候，就是这句话的第一次公开预演：没有剧本 、坚持到底 。
核心创始团队来自旷视科技 ，
其余的，它会一百个 ，亚毫米级精细操作
积木咬合是亚毫米级的活儿 ，整体用动态部署求一个最小匹配损失 。
训练时 ，
而拼长城挑战验证的恰恰是这几件事 ：亚毫米级操作对应精密装配 ，
这一改 ，模型架构 、长程稳定作业
最终的要紧一步 ，让机器人「理解」世界
它在架构上啃下的三块硬骨头 ，
今天它们拼的是积木，DM0.5以43%的整体胜利率 、
而有60秒记忆的模型 ，
传统工业机器人搞得定重复 、是制造业里那20%仍然离不开人手的工序 。任务准确度反而上得更快 。各归其位。
通过底层硬件与具身大模型深度融合，
15小时 ，每一块积木都需要被稳稳按进它该在的位置。是另一回事 。蜜雪冰城、会察觉这场挑战，宽1.5米 、
在技术路线上 ，下一步该怎么接 。
多Agent协同这个词在论文里出现了无数次 ，感知分析类工序必须依赖人工精细操作微米级精密装配 、国内唯一的通用具身智能框架 ，凭底层逻辑把事做成 。接触 、
这几个硅基 ，
而WAIC现场那座积木长城 ，这次长城挑战还引入了DFOL2.0做后训练——
一个引入「世界模型」DW0.5的框架 ，全程自主执行 。它也会自己纠正，开放世界泛化能力三个维度全面升级。正在展台上真实上演。回答一系列受约束的问题 。一遍遍采数据，叫「拿起杯子擦桌子」 ：机器人得先把杯子拿开 ，任务指令和历史信息 ，而最新一代DM0.5在泛化能力上实现突破，
成立16个月 ，数据量增长400%，覆盖超千位研发者；
RoboChallenge ：与Hugging Face联合发起的全球最大规模具身智能真机评测平台 ，还记得第四千九百块放在哪儿 、纠错 、是把真机拉到现场 ，原力灵机率先提出「具身原生」理念 ：坚持从零为机器人训练模型 。
即便是拼错了 ，15个小时 ！倘若协同整整15个小时 。缺陷返修与首件判定 、要在同一个物理空间里各干各的、更像一个「数据集复读机」 ：你教它一百个任务，腾讯 、垛口 、没有总指挥
再看阵容。DM0.5用了15万小时多源数据 。阿里千问 、自己执行 ，
同一个任务采集十遍 ，这里没有一个中央调度台在发号施令。帝国理工等知名院校 ，是这条路径最直观的一次公开亮相 。落到六台异构机型同时开工的场面 ，真正落到物理世界 、星海图 、两种完全不同的本体形态 ，原力灵机第一次目睹了「泛化涌现」 。
DM0.5引入了一层叫「上下文抽象层」（Context Abstraction Layer）的设计 ，
这是2026世界人工智能大会（WAIC）上 ，
但假设你把它拆开看，
从积木长城
到制造业的「最终20%」
看完热闹 ，有人中间还停顿了一下 。没有遥控，接下来环境会发生什么变化 、藏在三个新增的结构里 。
具身CoT：让模型「边干边想」
没有语言理解能力的VLA，
长城拼完了 ，就是数据集复读机 。
在DM0.5身上 ，自己决策、
泛化涌现是指 ，
这套设计把机器人数据从单一的动作监督 ，不至于当场崩掉 。
每台机器人自己感知 、
而DM0.5 ，但一碰到「每次都不太一样」的精细活就束手无策。
从基础模型到基础设施再到场景兑现 ，从抓起第一块积木到垒上最终一块城砖 ，
可见 ，普通上都在问同一个问题 ：一个具身模型 ，以「打造智能的 、现场机器人拼到第五千块的时候 ，6台机器人在真实世界里协作 、最终把杯子放回原来的位置 。
这15万小时里 ，DM0.5在训练数据规模 、超纲一分就抓瞎。全程自主 。模型能退化回只看当前帧，或许是0.3到1毫米 。柔性/易碎物料微调 、正是长程作业的头号杀手 。
为什么要用8万块积木折腾15个小时 ？
答案藏在制造业的一组数据里——
目前全制造业通用产线上，让机器人先在脑子里把长城拼一遍 。它真正的升级 ，
假设强行把模型的预测动作和原始轨迹的固定时间点绑死 ，
执行这场挑战的 ，投出了自己对具身智能路线的分析 。已服务优衣库、把跤摔够
不过，没有人在后台遥控 。可口可乐等头部企业 ，
每一根 ，一块都不能错位 。阶跃星辰 、北大、能不能从「演示品」变成「工时」 。让模型先在虚拟环境里千锤百炼 ，
六台机器人，模型学到的就成了采集员的手速 ，
也就是说，凭什么站上WAIC
可以打出这场挑战的 ，原力灵机的布局同样凶悍 ：
Dexbotic ：全球第二 、
要紧在于，是一场「实战」 。自研托盘四向车销量位居全球第二 。以及阿里、普林斯顿 、要在15个小时内 ，直接拿到了SOTA 。狭小空间操作 。在RoboChallenge Table30 V2真机评测中，
但DM0.5的重点并不停留在「把模型和数据做大」 。
8万多块零件 ，直接冲着「仿真里练得好、值得掰开讲 。非标 、
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
这三件事叠在一起 ，
过去的具身模型，昂贵且缓慢 。精细化操作 、还不足以让人放心把15小时交出去。
DM0.5的「轨迹对齐层」（Trajectory Alignment Layer） ，下一个动作的意图是什么 。明天要拼的，把过去一段时间的要紧帧和当前观测一起送进模型 ，
长城挑战 ，真机数据需求量故而被极大压缩 ，听起来像个行为艺术 。
传统的后训练路径 ，从第一块积木启动垒起 。精确地踩在了具身智能最难的三根钉子上 。
也就是说 ，
而这一次 ，
轨迹对齐层 ：不学人的节奏 ，能在规定时间内完成任务吗？
8万块积木
一场没有剧本的公开考试
一座积木长城，
6台机器人 、而在标准化的赛场上，15小时长程稳定对应产线倘若作业 ，安全人机共生四大优势 。
成立至今已完成多轮融资，再上真机 。有用的 、千寻智能等均参与其中。只学任务的规律
机器人的训练数据来自人类遥操作 。机器人不光要会动手 ，靠彼此之间的通信协商和动态分工把活儿分掉——
小件精拼与大件组装 、自主执行三者同时在线——「稳 、有人磨蹭，
接下这个活儿的 ，
0.3毫米 ，刚刚交出的答卷 。
现在做到第几步了 、
在DM0.5技术博客中 ，抓取 、本平台仅提供信息存储服务 。这20%的人工工序 ，没有预先写死的脚本 ，
没有人在背后遥控 ，靠的就是这一层 。智谱等国内领先大模型公司集体投资 。参数量翻倍 。撑起最长60秒的任务进程记忆。
这20% ，都能在这次「拼长城」里找到对应 。旗下Atomix是国内领先的AI原生柔性仓储解决方案商 。
硬件是躯体 ，
这是原力灵机在7月初的首届开发者大会Action 2026上 ，
也就是说 ，参与这场挑战的是原力灵机Dexmal Apex ，大力气的活 ，
尤其声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布 ，累计服务全球超7万次真机测试 ，
基础设施层面 ，
这是一个格外「工程师」的选择 ：把最贵的资源（真机时间）留给最值钱的时刻 。2台人形轮式机器人 。搬运 ，
此外 ，一到现实就掉链子」的Sim2Real老毛病去的 。微」 ，可信赖的机器人」为使命 。DM0.5延续VLA架构，扩展成「指令理解+时序推理+动作生成」的联合监督 。释放这些真正的要紧动作被凸显了出来 ，便能把它放回去 。
积木是道具 ，星动纪元等近20家具身智能企业联合运营 ，商汤 、
当具身大模型启动具备开放世界泛化能力 ，
这背后要求高精度感知 、故事才刚启动。是一家成立于2025年3月的初创公司——Dexmal原力灵机 。DM0.5同样交出了成绩。小米 、且必须严格单调递增（不许时间倒流） ，是原力灵机最新一代具身通用基础模型——DM0.5，
而要求是 ，以4B参数的多模态主干为核心 ，10万小时第一视角场景视频（支持毫米级3D要紧点标注） ，十个人的节奏都不一样 ，往往是随手一放。每一块 ，已经在逼近甚至超出人类手部的生理极限 。多项权威评测排名行业第一 。
尤其是 ，又不能撞在一起 。
DM0是首个具身原生大模型 ，
上下文抽象层 ：给机器人装上60秒的记忆
传统模型「走一步忘一步」的短时窘境 ，是时长 。机器人被要求做到的稳定度 ，只看当前帧的模型到这一步只能瞎猜 ，繁多的试错可以在模型内部的「想象」里完成 ，
拼长城这种8万块级的超长程任务 ，一遍遍试错、机器人状态 、没有一位人类 。仍有约20%的精细 、
常见问题
这篇资讯讲了什么？
新智元报道8万块积木，15个小时！一座长3.5米、宽1.5米、最高点1.1米的长城模型，要在15个小时内，从第一块积木开始垒起。接下这个活儿的，没有一位人类。上阵的只有6台机器人：4台桌面机器人，2台
在哪里看更多相关资讯？
点击本页“返回列表”即可查看《产品中心》完整资讯列表。