对于机器人而言，要让它真正理解“将插头插入插座”这一高精度操作，其难度远超过连续完成后空翻或表演一段芭蕾舞。

就在5月29日，深圳越疆科技正式推出空弈DobotWAM具身大模型。在LIBERO这一权威基准评测中，该模型取得了平均成功率99.25%的优异成绩，超越谷歌DeepMind、英伟达等团队，位居全球第一。尤其值得一提的是，LIBERO-Object（物体泛化）单项测试达到了100%满分。以下是已公开模型的评测成功率对比：

这一成绩的背后，其技术含金量值得深入剖析。

先解析一下LIBERO的来头。其全称为Lifelong Robot Learning Benchmark，由得克萨斯大学奥斯汀分校联合索尼AI等机构于2023年提出。该基准测试体系下设有四大核心套件：空间关系理解、物体泛化、目标指令理解以及长时序多步骤执行。目前，谷歌、英伟达、Meta、小米等头部玩家均将其视为检验机器人泛化能力与长程任务执行能力的“行业考试”。它并非简单的刷榜竞赛，而更像一台深入洞察的X光机，能直接透视出模型真实的能力边界。

那么，空弈究竟凭借什么能力登顶？

目前行业中主流的视觉-语言-动作（VLA）模型，本质上是在进行一种模仿学习——输入什么数据，就学习什么动作。一旦遇到空间扰动、物体变化或长流程任务，便容易出现动作漂移、目标丢失等问题。空弈能突破这一局限，核心在于四项技术的协同耦合：其一，将三维几何信息引入建模过程，使模型不再过度依赖二维图像特征；其二，将关节动态信息与末端执行器几何约束融入训练损失函数，从“模仿轨迹”升级为“理解动作结构”；其三，高级语义任务拆解，将复杂指令清晰分解为阶段目标，从而解决“局部正确、全局失败”的长期难题；其四，构建高质量的真机数据飞轮闭环，持续吸收成功、失败及长尾场景的真实经验，显著提升从仿真环境到产线执行的迁移能力。

搭载空弈大模型的机器人，在插入充电器和笔帽这两项高精度接触作业测试中，展现出出色表现。这类任务要求自主完成目标定位、轴线对齐与姿态稳定控制，行业内普遍将其视为高难度挑战。这意味着机器人正从“模仿者”进化为“理解者”，从“看得见”迈向“看得懂”。

关于越疆

这是一家历来低调、不善于自我宣传的公司。创始人刘培超2015年在深圳一张办公桌上起步，从轻量级协作机械臂切入，十年间构建起覆盖0.5kg至30kg负载的完整产品矩阵，累计出货量超过10万台，服务全球100多个国家和地区。到2025年，其协作机器人出货量跃居全球第一，市占率达到13.2%。

越疆真正的核心优势，在于其累计部署在全球产线上的超过十万台机械臂。这些机械臂每天在汽车、3C电子、焊接、检测、装配等15个行业、200多个工艺场景中持续执行任务，由此形成了“采集—训练—部署—反馈”的完整数据飞轮，为不断完善中的空弈大模型持续输送真实数据。

越疆推出的“一脑多体”具身智能平台，以空弈大模型为智能核心，配合高精度力控系统，能够驱动机械臂、人形机器人、多足机器人等多种形态的机器人。

2025年，越疆研发投入高达1.15亿元，同比增幅近60%，其中投向具身智能领域的研发费用超过4500万元。这些数字背后，透露出越疆从“协作领域龙头”向“具身智能领跑者”战略转型的坚定决心。

“职业考试”开始

此次登顶对越疆而言，意味着一次身份跃迁——从硬件制造商转型为系统智能方案提供商。具身智能业务收入在2025年实现数倍增长，占总营收比重从1%升至4.1%。而对整个行业来说，它传递了三个清晰的信号：

1. 行业评价标准正在发生根本性转变。过去，一场惊艳的机器人舞蹈或翻跟头展示就能赢得大量关注——那些好看却远离生产实际的演示，终究只是锦上添花。如今，评估具身智能的标尺已从“能否完成单次惊艳表演”转向“能否在动态多变环境中稳定执行长流程任务”。

2. 具身智能的核心竞争壁垒正从“参数规模”转向“场景深度”。空弈的成功证实了：真正的泛化能力并非依靠参数堆砌就能获得，而是在真实工业场景中反复“训练”出来的。拥有扎实的产业纵深和应用积累，而非单纯的算力优势，才是决胜的长久根基。

3. 具身智能正经历从炫技展示到实际应用的转折点。99.25%无疑是一个重要里程碑，但同时也揭示出仿真测试与真实产线之间仍存在鸿沟——那0.75%的失败可能意味着巨大损失。如何在大规模、开放场景中持续保持高可靠性，仍是所有玩家需要攻克的核心挑战。

具身智能领域的真正精彩竞争，才刚刚拉开序幕。

END