截至2026年8月6日，面向复杂遮挡机器人抓取的国际评测赛事UNOBench Challenge公开排行榜上，越疆空弈DobotWAM具身大模型同时登顶Set of Marks与Natural Language两大赛道，展现出从语义理解到动作前置推理的领先实力。
聚焦复杂遮挡下的具身推理能力
UNOBench Challenge由FBK旗下Technologies of Vision 团队发起，是ECCV 2026官方挑战赛，代表了当前具身智能领域在复杂场景感知与推理能力评测方面的国际前沿水平。赛事基于MetaGraspNetV2构建UNOBench数据集，覆盖堆叠场景、多层遮挡和自然语言指令，共设两大赛道：
这正是机器人从实验室走向真实场景必须跨越的核心门槛。复杂遮挡推理不是机器人操作链路中的附加能力，而是机器人从规则化环境迈向开放世界的重要基础。无论是工业拣选、仓储物流还是家庭服务，目标往往被其他物体部分或完全遮挡。机器人不仅要"看见"目标，更要"理解"遮挡关系，并据此做出合理的行为决策。这正是UNOBench Challenge所聚焦的核心能力，也是空弈Dobot WAM此次重点验证的技术方向。
榜单成绩：双赛道全面领跑
Set of Marks：平均SR-F1达86.39%
图：UNOBench Challenge Set of Marks 公开排行榜截图，越疆排名第一
在Set of Marks赛道中，空弈Dobot WAM具身大模型以0.8639 的平均SR-F1排名第一，领先第二名4.16个百分点。
在不同难度等级下，模型成绩：
相较赛事官方基线模型UNOGrasp的73.56%，空弈Dobot WAM具身大模型平均SR-F1
领先12.83个百分点
，展现了在结构化遮挡关系推理上的显著优势。
Natural Language平均SR-F1达80.04%
图：UNOBench Challenge Natural Language 公开排行榜截图，越疆排名第一。
在更具挑战性的Natural Language赛道中，空弈Dobot WAM具身大模型以0.8004 的平均SR-F1再次排名第一。
在不同难度等级下，模型成绩：
相比赛事基线UNOGrasp的65.84%，空弈Dobot WAM具身大模型领先14.20个百分点；相比排行榜所列Gemini Robotics ER 2的53.12%，更是领先26.92个百分点，这一差距充分体现了空弈Dobot WAM具身大模型在语言理解与多模态推理融合方面的深厚积累。
四大核心技术创新点
空弈Dobot WAM具身大模型之所以能够在两大赛道中同步登顶，源于四个关键技术维度上的系统性创新：
预测结果可视化
从目标理解到遮挡物定位
为了直观验证空弈Dobot WAM在真实物理环境中的推理能力，我们进行了预测可视化。图中以红色标记待抓取的目标物体，以绿色标记模型预测需要优先移除的遮挡物体；Natural Language赛道输出图像坐标，Set of Marks赛道输出物体ID。
Natural Language：单遮挡目标推理
图：目标为自然语言描述的“gray rectangular box”。模型完成目标语义定位，并预测应优先移除坐标 (733, 862) 处的卷状白色袋子。
模型需要先将自然语言中的物体描述与图像目标对齐，再判断目标抓取路径上的关键遮挡物，最终以坐标形式输出预测结果。
Natural Language：多遮挡目标推理
图：目标为 “bottom bag roll”。模型识别出两处关键遮挡物，并分别输出坐标 (546, 651) 和 (869, 580)。
当同一目标受到多个物体阻挡时，模型需要同时理解多个物体与目标之间的关系，避免只识别局部遮挡而遗漏其他关键对象。
Set of Marks：单遮挡路径推理
图：目标物体ID 为 2，模型预测需要优先处理的物体 ID 为 [3]，可视化遮挡关系路径为 2 → 4 → 3。
Set of Marks为场景中的物体提供明确ID，使模型能够更加集中地分析目标与周围物体之间的结构化遮挡关系，并直接输出相应物体编号。
Set of Marks：多遮挡路径推理
图：目标物体ID 为 6，模型预测需要优先处理的物体 ID 为 [1, 3]，对应两条遮挡关系路径 6 → 1 和 6 → 3。
这一案例展示了模型对多分支遮挡关系的识别能力：面对同一目标，模型能够同时找出不同方向上的关键阻挡对象，为后续清障与抓取规划提供更完整的依据。
从自然语言描述到物体坐标，从明确ID到多条遮挡路径，这些预测结果表明，空弈Dobot WAM具身大模型不仅能够识别目标，还能够进一步将复杂场景理解转化为面向机器人操作的结构化决策结果。
