深圳具身智能企业越疆登顶LIBERO榜首：空弈DobotWAM具身大模型评测第一、排名第一

越疆正式发布自研世界动作模型空弈DobotWAM具身大模型。在具身智能标准评测基准LIBERO上，空弈DobotWAM具身大模型分别完成LIBERO-Spatial、LIBERO-Object、LIBERO-Goal和LIBERO-10四个标准任务套件，覆盖空间关系理解、物体泛化、目标指令理解以及长时序任务执行等关键能力维度，平均成功率达99.25%，领先于π0.5、π0、GR00T-N1.5、π0+FAST等公开模型，以及行业内已有数据公布的其他模型结果。

其中，空弈DobotWAM具身大模型在LIBERO-Object上实现100/100全部成功，在Spatial、Goal和LIBERO-10三个套件中均达到99/100。

这一成绩不仅源于越疆在协作机器人领域的技术积淀，更标志着其具身智能技术已跻身行业头部。这并非偶然，而是源于公司近三年完成从协作机器人到具身智能的产品战略升级。基于对机器人“身体”操作能力的深刻理解，空弈DobotWAM具身大模型形成了独特的具身优势。

同时，这也意味着越疆正引领具身智能行业从跳舞表演等展示型动作，向真实场景下的现场操作能力迈进。过去，机器人演示多以预设轨迹的舞蹈、翻跟头为主，好看却离生产很远；如今，越疆将焦点拉回插接、抓取、对准等高精度接触作业，让具身智能真正走向可用、可靠、可落地。

以多场景任务分类抓取、插充电器和插笔帽三项典型任务为例。它们看似日常，实则是高精度接触作业，要求模型不仅要识别目标物体的位置，还需理解插头与插座、笔身与笔帽之间的空间关系，并连续完成对准、接近、插入和闭合等动作，直接考验小目标定位与姿态估计、强几何约束下的末端控制以及接触过程中的稳定执行与误差修正三项关键能力。

空弈DobotWAM具身大模型能做到的原因源于其在感知、理解、控制与数据闭环上的系统性设计，从“模仿动作”升级到“理解动作”：

● 3D空间感知，不只认二维图片，还理解物体的三维位置和朝向；

● 关节几何约束，让模型懂得机械臂自身该怎样自然运动，长任务不漂移；

● 高级语言模型拆解指令，把复杂命令自动拆成子步骤，避免局部正确但全局失败；

● 真实数据飞轮，直接在真机上反复训练，把成功与失败的经验全吃进去，越用越聪明。

具身智能走向真实世界，比的不是参数堆叠，也不是单次演示的表现。真正能够推动机器人规模化落地的，是一套同时具备空间理解、任务规划、精准执行和持续进化能力的模型系统。

越疆空弈DobotWAM具身大模型正是沿着这一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推进空弈DobotWAM具身大模型的模型迭代，让机器人从“能看懂、能行动”，进一步走向“能适应、能泛化、能长期可靠执行”。

标签：