近日，越疆科技自主研發的空弈DobotWAM具身大模型正式亮相，在具身智能領域引發廣泛關注。該模型在具身智能標準評測基準LIBERO上完成四大標準任務套件測試，包括LIBERO-Spatial、LIBERO-Object、LIBERO-Goal和LIBERO-10，全面覆蓋空間關系理解、物體泛化、目標指令解析及長時序任務執行等核心能力維度，平均成功率高達99.25%，顯著超越π0.5、π0、GR00T-N1.5、π0+FAST等公開模型及行業已公布數據的其他模型。

測試數據顯示，空弈DobotWAM在LIBERO-Object任務中實現100%成功率，在Spatial、Goal及LIBERO-10三個任務套件中均達到99%成功率。這一突破性成果源于其獨特的系統性設計：模型在傳統視覺-語言-動作架構基礎上，創新融入三維空間感知、機器人運動幾何約束及真實環境數據閉環機制，使機械臂從單純“模仿動作”升級為“理解動作邏輯”，從而在復雜場景中保持高度穩定性。

當前，視覺-語言-動作模型雖已成為具身智能動作生成的主流方案，但在應對空間擾動、物體形態變化、長流程任務及真實物理接觸時，仍普遍存在動作偏移、目標丟失或局部正確但整體失敗等問題。空弈DobotWAM通過強化三維空間理解能力，使機械臂能基于視覺觀測實時定位目標，并結合自身狀態動態調整動作策略。例如在充電器插接任務中，模型可精準識別插座孔位與插頭朝向，自主完成對齊與插入動作；在插筆帽場景中，則能準確判斷筆身與筆帽的相對位置及開口方向，實現軸線對齊與精細插入，全程保持機械臂姿態穩定。

該模型的技術突破為具身智能從實驗室走向真實場景提供了新范式。通過構建“感知-理解-控制-反饋”的閉環系統，空弈DobotWAM展現出在工業裝配、物流搬運、醫療輔助等領域的潛在應用價值，其高精度、高穩定性的任務執行能力，有望推動機器人技術向更智能化、自主化方向演進。