近日，越疆科技自主研发的空弈DobotWAM具身大模型正式亮相，在具身智能领域引发广泛关注。该模型在具身智能标准评测基准LIBERO上完成四大标准任务套件测试，包括LIBERO-Spatial、LIBERO-Object、LIBERO-Goal和LIBERO-10，全面覆盖空间关系理解、物体泛化、目标指令解析及长时序任务执行等核心能力维度，平均成功率高达99.25%，显著超越π0.5、π0、GR00T-N1.5、π0+FAST等公开模型及行业已公布数据的其他模型。
测试数据显示，空弈DobotWAM在LIBERO-Object任务中实现100%成功率，在Spatial、Goal及LIBERO-10三个任务套件中均达到99%成功率。这一突破性成果源于其独特的系统性设计：模型在传统视觉-语言-动作架构基础上，创新融入三维空间感知、机器人运动几何约束及真实环境数据闭环机制，使机械臂从单纯“模仿动作”升级为“理解动作逻辑”，从而在复杂场景中保持高度稳定性。
当前，视觉-语言-动作模型虽已成为具身智能动作生成的主流方案，但在应对空间扰动、物体形态变化、长流程任务及真实物理接触时，仍普遍存在动作偏移、目标丢失或局部正确但整体失败等问题。空弈DobotWAM通过强化三维空间理解能力，使机械臂能基于视觉观测实时定位目标，并结合自身状态动态调整动作策略。例如在充电器插接任务中，模型可精准识别插座孔位与插头朝向，自主完成对齐与插入动作；在插笔帽场景中，则能准确判断笔身与笔帽的相对位置及开口方向，实现轴线对齐与精细插入，全程保持机械臂姿态稳定。
该模型的技术突破为具身智能从实验室走向真实场景提供了新范式。通过构建“感知-理解-控制-反馈”的闭环系统，空弈DobotWAM展现出在工业装配、物流搬运、医疗辅助等领域的潜在应用价值，其高精度、高稳定性的任务执行能力，有望推动机器人技术向更智能化、自主化方向演进。
