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。
这一成绩来自越疆空弈DobotWAM具身大模型在感知、理解、控制和数据闭环上的系统性设计。通过3D 信息增强场景理解，通过关节动态几何 loss 提升动作稳定性，通过高级 VLM backbone 拆解复杂任务，并通过真机 Recap 实验与高质量数据飞轮持续回流真实操作经验，融合到统一的世界动作模型框架中，使模型能够更稳定地完成多物体、多阶段、长时序机器人操作任务。
为什么机器人需要世界动作模型？
机器人走向真实应用，需要面对的不是静态、规则、完全可控的环境，而是充满变化的开放场景。
同一个任务，物体位置可能不同；同一句指令，表达方式可能不同；同一个操作，机器人初始姿态可能不同；同一类物体，尺寸、形状、材质和摆放方式也可能不同。对于机器人而言，真正的挑战不只是“识别物体”，而是理解物体之间的空间关系、判断任务目标、生成符合机械臂运动结构的动作，并在多步骤执行中保持全局目标一致。
近两年，VLA 模型成为具身智能动作生成的重要范式。它将视觉观测、语言指令和机器人动作统一建模，在数据覆盖充分、任务边界清晰的场景中展现出较高执行效率。但如果模型过度依赖二维图像模式或离线轨迹模仿，在面对空间扰动、物体变化、长流程任务和真实接触反馈时，仍然容易出现动作漂移、目标丢失，或局部动作正确但整体任务失败的问题。
空弈DobotWAM具身大模型训练思路
越疆空弈DobotWAM具身大模型的思路，是在视觉-语言-动作建模基础上，进一步引入三维空间理解、机器人运动几何约束和真实数据闭环机制，让模型不仅学会“模仿动作”，更学会“理解动作为什么这样做”。
空弈DobotWAM具身大模型四大核心技术创新点
空弈DobotWAM具身大模型的高成功率源于四项关键技术突破：
将3D 空间信息引入视觉-语言-动作建模，使模型不只依赖 2D 图像纹理和像素特征，能够显式感知物体位置、空间关系与操作目标之间的几何结构，具备更强的泛化能力。
将机器人关节动态信息与末端执行器几何约束融入训练loss，使模型从“模仿动作”升级为“理解真实动作结构”，从而减少轨迹漂移、姿态不连续和抓取失败，提升长时序任务中的执行稳定性。
基于高级VLM backbone 对复杂语言指令进行语义理解与任务拆解，将长流程操作分解为更清晰的阶段目标和可执行子步骤，避免局部动作正确但全局任务失败。
构建高质量数据飞轮，以Recap真机实验为核心，闭环采集、训练、评测与反馈，持续吸收成功、失败及长尾场景的真实经验，提升从仿真 benchmark 到真实环境执行的迁移能力。
真机精细操作实测
为了验证越疆空弈DobotWAM具身大模型在真实物理环境中的执行能力，我们选取了三类具有代表性的精细操作任务：分类任务抓取、插充电器和插笔帽。
这三类任务看似是日常场景中的简单动作，但对于机器人而言，都是典型的高精度接触任务。模型不仅需要识别目标物体的位置，还需要理解插头、插座、笔身、笔帽之间的空间关系，并在执行过程中完成对准、接近、插入和闭合等连续动作。
这些任务能够直接验证空弈DobotWAM具身大模型在真实物理环境中的三项关键能力：
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
1、多场景任务：高精度分类抓取
空弈DobotWAM具身大模型真机演示——人形机器人任务场景分类抓取
2、插充电器：强几何约束下的高精度插接
空弈DobotWAM具身大模型真机演示——双臂插充电器
空弈DobotWAM具身大模型真机演示——充电器双臂协作旋转
在演示中，越疆空弈DobotWAM具身大模型能够基于视觉观测完成目标定位，并结合机器人状态进行动作生成，使机械臂在真实环境中稳定完成充电器插接流程。
这一任务体现了空弈DobotWAM具身大模型在以下方面的能力：
小目标识别
插座孔位定位
插头姿态对齐
末端轨迹控制
真实接触场景下的稳定插入
