WAIC機器人搭長城積木火爆展區，這才是VLA+WM的最佳用法

距離 2026 世界人工智能大會（WAIC）正式開幕還有不到 1 個小時的時間。

一項機器人拼搭長城的展示火爆全網。從彩排現場的照片來看，圍觀者已經里三層外三層。原力靈機聯合階躍星辰，用 6 臺機器人挑戰 15 小時連續作業，搭建完成一座包含超 8 萬個零件的長城模型 —— 最小組件不到 1 厘米寬，成品長 3.5 米、寬 1.5 米、高 1.1 米。其中 4 臺桌面機器人負責精細零件的拼裝，2 臺輪式機器人 Apex 負責將拼裝完成的組件運輸、組裝。

這不是一次單純的 "炫技"。支撐這 15 小時連續作業的，是原力靈機同期發布的通用基礎模型 DM0.5，以及為其提供強化學習閉環的世界模型 DW0.5。二者的組合，指向同一個命題：具身智能的下一步突破，不在于把單一模型參數堆得更高，而在于讓 "基礎模型" 與 "后訓練范式" 形成合力，讓結果說話。

It works，比任何榜單都重要。

https://mp.weixin.qq.com/s/QlFXpJ5ai3GCHHjV0lDslw

亞毫米級精細操作，全面泛化的基礎模型 DM0.5

在精細零件拼裝中，機器人需要在 0.1–1 毫米尺度內完成精準、穩定、可控的動作，遠超人手的生理極限（自然抖動約 0.3–1 毫米）。支撐這一精度的核心是高精度感知、精密驅動與自主執行的組合，實現 "穩、準、微"。與此同時，模型展現出很強的泛化能力，能針對不同組件調整動作，并在出錯時自主恢復。

DM0.5 在大規模高質量數據與模型架構上實現了全面升級，標志著系統能力從傳統的 "執行固定指令、單次動作重復"，躍升為 "理解意圖、多維連續泛化、長時可靠運行"。

https://mp.weixin.qq.com/s/QlFXpJ5ai3GCHHjV0lDslw

相比上一代 DM0，DM0.5 在三個方向上做了結構性改造：

歷史信息融合。此前的模型只依賴當前幀做決策，DM0.5 引入歷史關鍵幀，為模型提供長達 1 分鐘的任務進程記憶，同時保留了歷史信息缺失時退化到當前觀測策略的能力，避免 "記憶" 變成負擔。

具身推理任務擴展。DM0.5 在機器人數據中引入 11 種自回歸任務，把訓練監督從單一的動作預測，擴展為指令理解、時序推理與動作生成的聯合監督，直接提升長程任務中的指令遵循能力和動作連貫性。

動態軌跡對齊。針對機器人數據采集節奏不一致的問題，DM0.5 通過動態規劃將預測動作與真實軌跡做單調遞增匹配，讓模型學習任務規律本身，而非采集節奏 —— 抓取、放置等核心動作的生成因此更平滑、更魯棒。

在推理側，DM0.5 以 Action Chunk 為單位執行，默認 10 步 Flow Matching 生成 50 步動作塊，優化后單卡 4090 上可達 10Hz，單卡 H100 上可達 20Hz。

DM0.5 在多個榜單上取得領先：在 RoboChallenge Table30 V2 真機評測中取得 43% 的整體成功率、54.42 的綜合得分，達到 SOTA 表現；在 LIBERO 仿真基準上平均得分 99.0，超過 π0.5、GR00T N1.7 等主流基線；在雙臂協同基準 RoboTwin2.0 上以 93.5 分顯著領先；在導航基準 R2R 與 RxR 的 Val-Unseen 設置下，DM0.5-Nav 在成功率、SPL 等關鍵指標上同樣排名第一。這些數字背后，是同一套模型在操作、導航、記憶型任務上的一致表現 —— 這正是長城搭建這類長程、高精度任務能夠跑通的前提。

模型學會 "寸勁兒"，世界模型驅動的后訓練流程

在實際拼裝過程中，積木工藝的精度帶來了拼裝不成功的問題。為此，團隊使用 DFOL2.0 后訓練閉環框架，并引入世界模型 DW0.5，大幅提升了后訓練效果 —— 模型在執行中模仿人類操作的 "寸勁兒"，避免了按壓錯位的問題。

https://mp.weixin.qq.com/s/QlFXpJ5ai3GCHHjV0lDslw

模型學會“寸勁兒”

https://mp.weixin.qq.com/s/QlFXpJ5ai3GCHHjV0lDslw

模型自我糾錯

如果說 DM0.5 解決的是 "模型能不能做對"，DW0.5 要回答的則是另一個問題：具身模型的后訓練閉環該怎么跑通。

Code Agent 之所以進步神速，核心原因是代碼可以自我驗證 —— 寫完就能跑，跑完就知道對錯，失敗軌跡能直接沉淀為訓練信號。具身智能長期缺的正是這樣一套閉環基礎設施：真機 rollout 成本高、難規模化；人工反饋慢、標注成本高；傳統仿真又存在難以回避的 sim-real gap，透明反光、柔性形變、真實接觸噪聲都很難還原。

原力靈機給出的解法，是把 DW0.5 變成 VLA 后訓練中的 "Learned Environment"：VLA 基于當前觀察采樣候選動作，DW0.5 生成對應的未來視覺 rollout，Value Expert 對候選軌跡給出成功概率與價值評分，訓練系統據此做策略篩選或直接進行強化學習后訓練，再用少量真機 rollout 持續校準世界模型。真實機器人是這套飛輪的起點，而非唯一訓練場。

要讓世界模型真正進入訓練閉環，而不只是 "生成得像"，DW0.5 在三處做了關鍵取舍：

動作是強先驗，而非軟提示。常見做法把動作離散化成 token 塞進語言空間，約束力有限。DW0.5 在 Mixture of Tokens 注意力結構中，用 group-diagonal attention mask 做幀級綁定 —— 第 i 幀視頻只能 attend 對應的第 i 組動作，從計算路徑上就切斷了視頻幀與非對應動作之間的信息通路。

既模擬成功，也模擬失敗。若訓練數據只有專家成功軌跡，模型會形成過強的成功先驗，本質上退化為視頻生成器而非仿真器。DW0.5 的數據體系覆蓋具身公開數據、自采數據、互聯網視頻、第一視角人類活動數據，以及真機與仿真結合的 rollout，同時包含成功與失敗案例，并引入 RoboChallenge 的真實成敗數據 —— 這是強化學習能夠優化 reward 的前提。

Value Expert 把未來變成可訓練的反饋。機器人任務的 reward 天然稀疏，Value Expert 對候選軌跡給出成功概率評分，把稀疏的結果信號變成每一步可用的密集反饋。

三項設計疊加的結果，反映在評測數據上：DW0.5 在 EWMBench 上以 4.66 分排名第一，在 WorldArena 上以 73.54 分排名第一，在直接評估動作策略能力的 RoboTwin2.0 上取得 93.3 分，同樣是 SOTA—— 生成質量、交互動態建模、策略執行能力三項指標同時領先，說明 DW0.5 不只是 "生成得像"，也具備穩定的動作輸出能力。

DM0.5+DW0.5，更強的應用模型

整體來看，DM0.5 作為基礎策略模型，DW0.5 負責動作后果預演與價值反饋，RL 將兩者鏈接。

基座模型 DM0.5 先生成一批初始動作，推給世界模型 DW0.5
—→DW0.5 當仿真器，在虛擬環境里把這些動作會導向的未來 “跑” 出來，批量生成成功和失敗的軌跡
—→再由一個強化學習教練員 CFG-RL，給每條軌跡的任務進度打分（成功的價值一路走高，失敗的價值斷崖下跌）
—→打分和獎勵實時回傳，更新模型權重，喂出一個更強的 DM0.5
這個循環里大部分數據由 DW0.5 在線生成，不用全部靠真機翻來覆去高成本地去試。

從具身原生出發，目標定義問題，而不是技術定義目標

過去一年，具身世界模型是被反復討論的方向，但多數工作的落點是 "生成得像不像"—— 更真實的畫面、更長的時序一致性、更高的評測分數，回答的是評價問題，而非訓練問題。原力靈機的出發點不同：核心問題始終是具身模型怎么真正走進場景，世界模型只是解決這個問題的其中一種手段。

這個順序上的差異，決定了 DW0.5 從一開始就被設計成 "訓練環境" 而非 "生成模塊"，也決定了 DM0.5 的三項架構改造全部指向長程任務的穩定執行，而非單點能力的刷榜。長城模型的 15 小時連續搭建，某種意義上正是這套 "結果導向" 方法論的一次壓力測試 ——8 萬多個零件、不到 1 厘米的最小組件精度、長達 15 小時的連續作業，任何一個環節的記憶丟失或動作漂移都會導致累積誤差。而 DM0.5+DW0.5 組合下的最終交付結果，驗證的不是某一項單一指標，而是基礎模型與后訓練范式協同之后，系統在真實落地中更強的模型優勢。

模型開源地址：

• DM0.5
• GitHub：https://github.com/dexmal/opendm
• Hugging Face：https://huggingface.co/Dexmal/DM05
• DW0.5
• GitHub：https://github.com/dexmal/opendw
• Hugging Face：https://huggingface.co/Dexmal/DW05-Base