距离2026年世界人工智能大会正式开幕已不足一小时，但会场内的热烈氛围早已提前引爆。作为本届大会备受瞩目的焦点，具身智能与机器人技术的最新成果正吸引着全场的目光。 一个机器人拼搭长城的展示项目，毫无悬念地成为全场瞩目的焦点。从彩排现场传出的照片可以看到，围观人群层层叠叠，几乎水泄不通。原力灵机联合阶跃星辰，派出6台机器人挑战15小时连续作业，共同搭建一座包含超过8万个组件的长城模型——最小组件宽度不足1厘米，最终成品尺寸为长3.5米、宽1.5米、高1.1米。其中，4台桌面机器人负责精细零件的精密拼装，2台轮式机器人Apex则负责将拼装完成的组件进行运输与组装，全面展现出具身智能在长程复杂任务中的协同能力。 这绝非一次简单的“炫技”表演。支撑这场15小时连续作业的，是原力灵机同期发布的通用基础模型DM0.5，以及为其提供强化学习闭环的世界模型DW0.5。两者的技术组合，共同指向一个核心命题：具身智能的下一个突破口，不在于将单一模型的参数规模堆砌得更高，而在于让“基础模型”与“后训练范式”形成协同效应，用实际成果说话。简言之，It works——真实落地能力，比任何榜单排名都更具说服力。 亚毫米级精细操作，全面泛化的基础模型 DM0.5 在精细零件拼装过程中，机器人需要在0.1至1毫米的尺度范围内完成精准、稳定且可控的动作，这已远远超越人手的生理极限——人手自然抖动幅度通常在0.3到1毫米之间。支撑这一精度的核心，在于高精度感知、精密驱动与自主执行三者的有机融合，最终实现“稳、准、微”的操作效果。更为关键的是，该模型展现出强大的泛化能力：它能针对不同组件灵活调整动作策略，在出现错误时也能自主恢复，确保任务持续推进。 DM0.5在大规模高质量数据与模型架构上实现了全面升级。这标志着系统能力从传统的“执行固定指令、单次动作重复”，跃升为“理解意图、多维连续泛化、长时可靠运行”。 相比上一代DM0，DM0.5在三个方向上做了结构性的改造： 历史信息融合。之前的模型仅依赖当前帧做决策，如同只关注眼前的任务片段。DM0.5引入了历史关键帧，相当于赋予了模型长达1分钟的任务进程记忆能力，同时还保留了当历史信息缺失时，能退化到当前观测策略的机制——避免“记忆”成为负担。 具身推理任务扩展。DM0.5在机器人数据中引入了11种自回归任务，将训练监督从单一的动作预测，扩展为指令理解、时序推理与动作生成的联合监督。这直接提升了长程任务中的指令遵循能力和动作连贯性。 动态轨迹对齐。针对机器人数据采集节奏不一致的问题，DM0.5通过动态规划，将预测动作与真实轨迹做单调递增匹配。如此一来，模型学到的是任务规律本身，而非采集节奏——抓取、放置等核心动作的生成因此更加平滑、更具鲁棒性。 在推理侧，DM0.5以Action Chunk为单位执行，默认10步Flow Matching生成50步动作块，优化后单卡4090上可达10Hz，单卡H100上可达20Hz。 DM0.5在多个权威榜单上取得了领先成绩。在RoboChallenge Table30 V2真机评测中，它取得了43%的整体成功率、54.42的综合得分，达到SOTA表现；在LIBERO仿真基准上平均得分99.0，超越了π0.5、GR00T N1.7等主流基线；在双臂协同基准RoboTwin2.0上以93.5分显著领先；在导航基准R2R与RxR的Val-Unseen设置下，DM0.5-Na v在成功率、SPL等关键指标上同样排名第一。这些数字背后，是同一套模型在操作、导航、记忆型任务上的一致表现——这正是“长城搭建”这类长程、高精度任务能够顺利跑通的前提。 模型学会“寸劲儿”，世界模型驱动的后训练流程 在实际拼装过程中，积木工艺的精度带来了拼装不成功的问题。为此，团队使用了DFOL2.0后训练闭环框架，并引入了世界模型DW0.5，大幅提升了后训练效果——模型在执行中模仿人类操作的“寸劲儿”，有效避免了按压错位的问题。 如果说DM0.5解决的是“模型能不能做对”，那么DW0.5要回答的则是另一个问题：具身模型的后训练闭环，该怎么跑通？ Code Agent之所以进步神速，核心原因在于代码可以自我验证——写完就能跑，跑完就知道对错，失败轨迹能直接沉淀为训练信号。具身智能长期缺的，正是这样一套闭环基础设施：真机rollout成本高、难以规模化；人工反馈慢、标注成本高；传统仿真又存在难以回避的sim-real gap，透明反光、柔性形变、真实接触噪声都很难还原。 原力灵机给出的解法，是把DW0.5变成VLA后训练中的“Learned Environment”：VLA基于当前观察采样候选动作，DW0.5生成对应的未来视觉rollout，Value Expert对候选轨迹给出成功概率与价值评分，训练系统据此做策略筛选，或直接进行强化学习后训练，再用少量真机rollout持续校准世界模型。换句话说，真实机器人是这套飞轮的起点，而非唯一的训练场。 要让世界模型真正进入训练闭环，而不只是“生成得像”，DW0.5在三处做了关键取舍： 动作是强先验，而非软提示。常见的做法是把动作离散化成token塞进语言空间，约束力有限。DW0.5在Mixture of Tokens注意力结构中，用group-diagonal attention mask做帧级绑定——第i帧视频只能attend对应的第i组动作，从计算路径上就切断了视频帧与非对应动作之间的信息通路。 既模拟成功，也模拟失败。如果训练数据只有专家成功轨迹，模型会形成过强的成功先验，本质上退化为视频生成器而非仿真器。DW0.5的数据体系覆盖了具身公开数据、自采数据、互联网视频、第一视角人类活动数据，以及真机与仿真结合的rollout，同时包含成功与失败案例，并引入了RoboChallenge的真实成败数据——这是强化学习能够优化reward的前提。 Value Expert把未来变成可训练的反馈。机器人任务的reward天然稀疏，Value Expert对候选轨迹给出成功概率评分，把稀疏的结果信号变成每一步可用的密集反馈。 这三项设计叠加的结果，反映在评测数据上：DW0.5在EWMBench上以4.66分排名第一，在WorldArena上以73.54分排名第一，在直接评估动作策略能力的RoboTwin2.0上取得93.3分，同样是SOTA。生成质量、交互动态建模、策略执行能力三项指标同时领先，说明DW0.5不只是“生成得像”，也具备稳定的动作输出能力。 DM0.5+DW0.5，更强的应用模型 整体来看，DM0.5作为基础策略模型，DW0.5负责动作后果预演与价值反馈，RL将两者链接。 > 基座模型DM0.5先生成一批初始动作，推给世界模型DW0.5 > > ——→ DW0.5当仿真器，在虚拟环境里把这些动作会导向的未来“跑”出来，批量生成成功和失败的轨迹 > > ——→ 再由一个强化学习教练员CFG-RL，给每条轨迹的任务进度打分（成功的价值一路走高，失败的价值断崖下跌） > > ——→ 打分和奖励实时回传，更新模型权重，喂出一个更强的DM0.5 > > 这个循环里大部分数据由DW0.5在线生成，不用全部靠真机翻来覆去高成本地去试。 从具身原生出发，目标定义问题，而不是技术定义目标 过去一年，具身世界模型是被反复讨论的方向，但多数工作的落点是“生成得像不像”——更真实的画面、更长的时序一致性、更高的评测分数，回答的是评价问题，而非训练问题。原力灵机的出发点不同：核心问题始终是具身模型怎么真正走进场景，世界模型只是解决这个问题的其中一种手段。 这个顺序上的差异，决定了DW0.5从一开始就被设计成“训练环境”而非“生成模块”，也决定了DM0.5的三项架构改造全部指向长程任务的稳定执行，而非单点能力的刷榜。长城模型的15小时连续搭建，某种意义上正是这套“结果导向”方法论的一次压力测试——8万多个零件、不到1厘米的最小组件精度、长达15小时的连续作业，任何一个环节的记忆丢失或动作漂移都会导致累积误差。而DM0.5+DW0.5组合下的最终交付结果，验证的不是某一项单一指标，而是基础模型与后训练范式协同之后，系统在真实落地中更强的模型优势。 模型开源地址： - DM0.5：GitHub、Hugging Face - DW0.5：GitHub、Hugging Face