WAIC最瘋狂挑戰！6個機器人，8萬積木拼長城

新智元報道

8萬塊積木，15個小時！

一座長3.5米、寬1.5米、最高點1.1米的長城模型，要在15個小時內，從第一塊積木開始壘起。

接下這個活兒的，沒有一位人類。

上陣的只有6臺機器人：4臺桌面機器人，2臺人形輪式機器人。

沒有人在背后遙控，沒有預先寫死的腳本，從抓起第一塊積木到壘上最后一塊城磚，全程自主。

而要求是，81,920塊微型積木要嚴絲合縫地咬合，烽火臺、垛口、蜿蜒起伏的城墻，一塊都不能錯位。

即便是拼錯了，它也會自己糾正，讓整個過程完成一個閉環。

這是2026世界人工智能大會（WAIC）上，由原力靈機發起的一場「全球首創」級挑戰，正在展臺上真實上演。

這幾個硅基，能在規定時間內完成任務嗎？

8萬塊積木

一場沒有劇本的公開考試

一座積木長城，聽起來像個行為藝術。

但如果你把它拆開看，會發現這場挑戰，精確地踩在了具身智能最難的三根釘子上。

每一根，都是機器人從實驗室走進車間時會被絆倒的地方。

• 0.3毫米，亞毫米級精細操作

積木咬合是亞毫米級的活兒，機器人必須在0.1–1毫米的尺度里完成精準、穩定、可控的動作。

這個數字有多苛刻？

人手在完全放松狀態下的自然抖動，大約是0.3到1毫米。

也就是說，機器人被要求做到的穩定度，已經在逼近甚至超出人類手部的生理極限。

這背后要求高精度感知、精密驅動、自主執行三者同時在線——「穩、準、微」，缺一樣都拼不上去。

• 六臺機器人，沒有總指揮

再看陣容。

6臺機器人、兩種完全不同的本體形態，要在同一個物理空間里各干各的、又不能撞在一起。

關鍵在于，這里沒有一個中央調度臺在發號施令。

每臺機器人自己感知、自己決策、自己執行，靠彼此之間的通信協商和動態分工把活兒分掉——

小件精拼與大件組裝、搬運，各歸其位。

多Agent協同這個詞在論文里出現了無數次，真正落到物理世界、落到六臺異構機型同時開工的場面，是另一回事。

而這一次，它們要在物理世界里，連續協同整整15個小時。

• 15小時，長程穩定作業

最后的關鍵一步，是時長。

8萬多塊零件，15小時不間斷，每一塊積木都需要被穩穩按進它該在的位置。

這三件事疊在一起，本質上都在問同一個問題：一個具身模型，能不能從「演示品」變成「工時」。

此外，參與這場挑戰的是原力靈機Dexmal Apex，一款「具身原生」的通用機器人。

通過底層硬件與具身大模型深度融合，Apex具備長效穩定作業、多場景泛化、精細化操作、安全人機共生四大優勢。

硬件是軀體，真正決定這場挑戰成敗的，是那顆共享的大腦。

幕后主角DM0.5

泛化能力的「涌現時刻」

15小時里，沒有人在后臺遙控。

執行這場挑戰的，是原力靈機最新一代具身通用基礎模型——DM0.5，全程自主執行。

這是原力靈機在7月初的首屆開發者大會Action 2026上，剛剛交出的答卷。

相比上一代DM0，DM0.5在訓練數據規模、模型架構、開放世界泛化能力三個維度全面升級。

在DM0.5身上，原力靈機第一次看到了「泛化涌現」。

這四個字，值得掰開講。

過去的具身模型，更像一個「數據集復讀機」：你教它一百個任務，它會一百個，超綱一分就抓瞎。

泛化涌現是指，它開始在沒見過的任務面前，憑底層邏輯把事做成。

架構方面，DM0.5延續VLA架構，以4B參數的多模態主干為核心，外加一個680M的動作專家（Action Expert）負責生成連續機器人動作。

訓練數據方面，DM0.5用了15萬小時多源數據。相比DM0，數據量增長400%，參數量翻倍。

這15萬小時里，有5萬小時的真機高精度操作數據（覆蓋100多種原子動作）、10萬小時第一視角場景視頻（支持毫米級3D關鍵點標注），以及百萬平方米級的場景重建數據——

最后這一塊，直接沖著「仿真里練得好、一到現實就掉鏈子」的Sim2Real老毛病去的。

但DM0.5的重點并不停留在「把模型和數據做大」。它真正的升級，藏在三個新增的結構里。

三個新結構，讓機器人「理解」世界

它在架構上啃下的三塊硬骨頭，每一塊，都能在這次「拼長城」里找到對應。

• 上下文抽象層：給機器人裝上60秒的記憶

傳統模型「走一步忘一步」的短時窘境，正是長程作業的頭號殺手。

DM0.5引入了一層叫「上下文抽象層」（Context Abstraction Layer）的設計，把過去一段時間的關鍵幀和當前觀測一起送進模型，撐起最長60秒的任務進程記憶。

訓練時，還專門做了隨機歷史長度和歷史增強——

歷史信息缺失或者失效的時候，模型能退化回只看當前幀，不至于當場崩掉。

原力靈機自己做過一個很樸素的驗證實驗，叫「拿起杯子擦桌子」：機器人得先把杯子拿開，擦干凈底下那塊桌面，最后把杯子放回原來的位置。

杯子一被拿起，它的初始位置就從畫面里消失了。只看當前幀的模型到這一步只能瞎猜，往往是隨手一放。

而有60秒記憶的模型，便能把它放回去。

因此，現場機器人拼到第五千塊的時候，還記得第四千九百塊放在哪兒、下一步該怎么接。

• 具身CoT：讓模型「邊干邊想」

沒有語言理解能力的VLA，就是數據集復讀機。

DM0.5在機器人數據上加了11種自回歸推理任務。

模型必須基于當前圖像、機器人狀態、任務指令和歷史信息，回答一系列受約束的問題。

現在做到第幾步了、接下來環境會發生什么變化、下一個動作的意圖是什么。

這套設計把機器人數據從單一的動作監督，擴展成「指令理解+時序推理+動作生成」的聯合監督。

也就是說，機器人不光要會動手，還得說得清自己為什么這么動。

拼長城這種8萬塊級的超長程任務，考的正是這個。

• 軌跡對齊層：不學人的節奏，只學任務的規律

機器人的訓練數據來自人類遙操作。

同一個任務采集十遍，十個人的節奏都不一樣，有人手快，有人磨蹭，有人中間還停頓了一下。

如果強行把模型的預測動作和原始軌跡的固定時間點綁死，模型學到的就成了采集員的手速，而不是任務本身的規律。

DM0.5的「軌跡對齊層」（Trajectory Alignment Layer），干脆把監督從「固定時間點對齊」改成了「軌跡進展對齊」：

每個預測動作去真實軌跡里找一個最合適的錨點，且必須嚴格單調遞增（不許時間倒流），整體用動態規劃求一個最小匹配損失。

這一改，抓取、對準、接觸、釋放這些真正的關鍵動作被凸顯了出來，采集員的個人節奏被洗掉了。

跨采集員泛化，靠的就是這一層。

長城挑戰，是一場「實戰」。而在標準化的賽場上，DM0.5同樣交出了成績。

尤其是，在RoboChallenge Table30 V2真機評測中，DM0.5以43%的整體成功率、54.42的綜合得分，直接拿到了SOTA。

先在「世界模型」里，把跤摔夠

不過，光有一個強模型，還不足以讓人放心把15小時交出去。

為了確保執行的準確度，這次長城挑戰還引入了DFOL2.0做后訓練——

一個引入「世界模型」DW0.5的框架，讓模型先在虛擬環境里千錘百煉，再上真機。

也就是說，讓機器人先在腦子里把長城拼一遍。

傳統的后訓練路徑，是把真機拉到現場，一遍遍試錯、一遍遍采數據，昂貴且緩慢。

而引入世界模型之后，大量的試錯可以在模型內部的「想象」里完成，真機數據需求量因此被極大壓縮，任務準確度反而上得更快。

這是一個非常「工程師」的選擇：把最貴的資源（真機時間）留給最值錢的時刻。

其余的，交給模型自己去想清楚。

從積木長城

到制造業的「最后20%」

看完熱鬧，該看門道了。

為什么要用8萬塊積木折騰15個小時？

答案藏在制造業的一組數據里——

目前全制造業通用產線上，仍有約20%的精細、非標、柔性、感知判斷類工序必須依賴人工精細操作微米級精密裝配、柔性/易碎物料微調、缺陷返修與首件判定、狹小空間操作。

這20%，是自動化最難啃的骨頭。

傳統工業機器人搞得定重復、標準、大力氣的活，但一碰到「每次都不太一樣」的精細活就束手無策。

而拼長城挑戰驗證的恰恰是這幾件事：亞毫米級操作對應精密裝配，15小時長程穩定對應產線連續作業，多機協同對應柔性產線的動態分工。

積木是道具，能力是真的。

當具身大模型開始具備開放世界泛化能力，這20%的人工工序，第一次有了被逐步接管的可能。

成立16個月，憑什么站上WAIC

能夠打出這場挑戰的，是一家成立于2025年3月的初創公司——Dexmal原力靈機。

核心創始團隊來自曠視科技，以「打造智能的、有用的、可信賴的機器人」為使命。

成立至今已完成多輪融資，阿里、階躍星辰、商湯、智譜等國內領先大模型公司集體投資。

可見，大模型玩家們用真金白銀，投出了自己對具身智能路線的判斷。

在技術路線上，原力靈機率先提出「具身原生」理念：堅持從零為機器人訓練模型。

DM0是首個具身原生大模型，而最新一代DM0.5在泛化能力上實現突破，多項權威評測排名行業第一。

基礎設施層面，原力靈機的布局同樣兇悍：

• Dexbotic：全球第二、國內唯一的通用具身智能框架，已服務清華、北大、普林斯頓、帝國理工等知名院校，以及阿里、騰訊、北京人形機器人創新中心等領先機構，覆蓋超千位研發者；

• RoboChallenge：與Hugging Face聯合發起的全球最大規模具身智能真機評測平臺，吸引智元、星海圖、星動紀元等近20家具身智能企業聯合運營，累計服務全球超7萬次真機測試，阿里千問、小米、千尋智能等均參與其中。

商業落地上，旗下Atomix是國內領先的AI原生柔性倉儲解決方案商。

它打通「存-搬-揀」完整鏈路，已服務優衣庫、蜜雪冰城、可口可樂等頭部企業，自研托盤四向車銷量位居全球第二。

從基礎模型到基礎設施再到場景兌現，這是一條罕見的全棧路徑。

而WAIC現場那座積木長城，是這條路徑最直觀的一次公開亮相。

長城拼完了，故事才剛開始。

在DM0.5技術博客中，有這么一句話：團隊希望有一天，真實世界本身成為機器人最好的老師。

WAIC的這15個小時，就是這句話的第一次公開預演：沒有劇本、沒有遙控，6臺機器人在真實世界里協作、糾錯、堅持到底。

今天它們拼的是積木，明天要拼的，是制造業里那20%仍然離不開人手的工序。

而DM0.5，只是這個故事的開始。