国产具身智能迎突破！越疆发布「空弈」大模型，标准任务成功率超 99%
一句话看懂：机器人企业越疆发布自主研发的具身大模型“空弈DobotWAM”，在行业标准评测集LIBERO上取得99.25%的综合成功率，覆盖空间理解、物体泛化、目标指令与长时序任务四个核心维度。
事件核心：发生了什么
据越疆官方发布，该公司于6月2日正式推出名为“空弈DobotWAM”的具身大模型。该模型是一款世界动作模型，旨在提升机器人对复杂现实任务的理解与执行能力。作为能力验证，团队在具身智能领域公认的标准评测基准LIBERO上进行了测试。结果显示，“空弈”顺利通过了LIBERO-Spatial、LIBERO-Object、LIBERO-Goal与LIBERO-10四个任务套件的考核，综合平均成功率达到99.25%。这些套件分别对应空间关系推断、物体泛化抓取、目标指令理解以及长时序任务执行等具身智能核心能力。
为什么重要
在业内，具身智能模型长期面临物理交互稳定性差、泛化能力不足等瓶颈。99.25%的成功率意味着“空弈”在标准测试环境中已具备极高的任务执行一致性，这为后续从实验室走向真实场景（如工业装配、家庭服务）提供了关键的技术可行性验证。对国内具身智能竞争格局而言，越疆作为传统协作机器人厂商，通过自研大模型实现了从“硬件执行”向“智能决策”的跃迁，可能加速其他硬件企业跟进投入，推动行业从单一机械臂竞争转向“大脑+身体”的综合能力比拼。
对用户/开发者/创作者的影响
对开发者与集成商：若越疆后续开放该模型的API或本地化部署方案，开发者可直接调用高成功率的任务调度与物体操作能力，大幅降低构建机器人应用的门槛，尤其在仓储分拣、精密装配等需高可靠性的场景中。对企业采购方：99.25%的成功率意味着在标准操作中误触率已接近工业级要求，企业可将该模型视为降低部署风险和试错成本的潜在选项。对研究与教育机构：LIBERO基准上的表现可作为模型对比的基线参考，但需注意该评测侧重标准环境，实际场景中的泛化边界仍需独立验证。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，实际落地场景测试：目前公开信息仅限于LIBERO标准套件，模型在非结构化环境（如家庭杂乱桌面、动态干扰场景）中的鲁棒性有待独立第三方复现。第二，开发者生态与开放策略：越疆是否计划开源模型权重、提供API调用或发布配套的仿真环境，将直接影响其技术扩散速度。第三，竞品动态：具身智能赛道已有智元、星动纪元等多家初创公司发布各类大模型，越疆“空弈”能否在商业化路径（如定价、行业定制）上形成差异化，取决于其后续产品化节奏。
来源：Readhub · AI
