原力灵机DM0.5震撼登场：15万小时数据训练，Zero-Shot性能跃升31%

继今年2月首个具身原生大模型DM0亮相、3月获得英伟达与Physical Intelligence（Pi）双重认可之后，具身智能新星原力灵机再度出手。近日，该公司正式发布新一代具身原生大模型 DM0.5，凭借 15万小时 真机与仿真混合数据的深度打磨，Zero-Shot 能力较前代 DM0 提升 31%，并已在多机型、多任务场景中呈现出明显的"泛化涌现"特征。

距离DM0首发仅仅五个月，DM0.5的迭代速度和性能跃升，正在重新校准业界对具身大模型演进节奏的预期。

一、15万小时数据：具身原生的"燃料"再加码

在具身智能领域，数据始终是最稀缺、最昂贵、也最难标准化的资源。业内普遍观点是：一个通用具身模型的成型至少需要10万小时以上的机器人交互数据。原力灵机CEO唐文斌在此前的公开对话中曾明确表示，"少于1万小时的数据规模不足以支撑通用能力的形成"。

此次DM0.5亮出的15万小时数据卡，正是对这一判断的正面回应。

数据构成三层次

根据官方披露信息，DM0.5的训练数据主要由三部分构成：

• 具身传感数据：涵盖视觉、触觉、力觉等多维度感知信号，来源于真实机器人在物理环境中的交互采样；
• 人类第一视角数据（human data / ego data）：借助头戴设备采集人类日常操作行为，对精细动作的语义空间进行加密；
• 多模态互联网数据 + 仿真数据：包括视频、图文、驾驶行为、导航等异构信号，用于扩展世界知识边界。

值得注意的是，原力灵机在数据配比策略上并没有简单追求"越大越好"。团队明确指出：仿真数据虽然量大管饱，但在装水、液体倾倒等精细操作场景中价值有限——因为液面晃动会实时改变物体质心，仿真环境难以精确建模。因此，DM0.5在室内导航与刚性物体抓取上大量使用仿真数据，而在精细操作层面则坚决侧重真机采集。

数据分布决定模型鲁棒性

原力灵机团队在多次技术分享中反复强调一个观点：数据规模在很大程度上是分布的置信度。数据越多，覆盖的场景分布越确信，模型就越鲁棒。DM0.5的15万小时，除了绝对数量的堆积，更重要的是覆盖了从工业装配、餐饮备料、家居整理到户外巡检等多层次的真实工况。

二、Zero-Shot提升31%：泛化涌现的"临界点"

DM0.5最亮眼的升级，是Zero-Shot能力较DM0提升31%。这个数字背后所指向的现象，团队用了一个更加值得关注的表述——"已经出现泛化涌现"。

什么是具身模型的泛化涌现？

在语言模型时代，涌现（Emergence）通常指模型规模跨过某一阈值后，突然获得此前不具备的能力。放在具身场景中，泛化涌现意味着：

• 对象泛化：面对没见过的形状、材质、大小，模型依旧能稳定完成抓取；
• 场景泛化：从工业车间迁移到家庭厨房，无需重新采集主任务数据即可 work；
• 机型泛化：训练时未涉及的新硬件平台，通过少量适配即可迁移；
• 任务泛化：从"倒水"扩展到"倒油"、从"拧螺丝"扩展到"拧瓶盖"，无需重训。

据官方介绍，DM0.5在以下几类任务上呈现出显著的Zero-Shot能力增益：

| 能力维度 | DM0 基线 | DM0.5 提升 | | --- | --- | --- | | Zero-Shot 综合能力 | 100% | +31% | | Bridge 类任务 | — | 显著提升（延续 DM0 +14.6% 的势头）| | 跨机型迁移成功率 | 有限 | 大幅改善 | | 精细操作稳定性 | 良好 | 明显加强 |

从"记得住"到"想得通"

原力灵机合伙人周而进此前在公开对话中提到一个反直觉结论："模型虽小，却异常泛化。" DM0仅有2.4B参数，但依靠具身原生的训练路线，取得了远超参数规模应有的表现。DM0.5在维持轻量化前提下，把泛化能力再往前推了一大步。

这背后有两个关键技术选择：

1. 从零训练（Train-from-Scratch）：不再以VLM为起点接一个Action Head，而是让"理解世界"、"操作世界"、"预测世界"三种能力在同一个模型体内共同生长、相互塑造；
2. 多机型多任务一体化融合训练：训练阶段就把双足人形、轮式、双臂/单臂等多种平台一起喂进去，使得模型天然具备跨平台迁移能力。

三、多机型"一键部署"：从单一硬件到通用大脑

DM0.5的另一个重要升级方向是跨机型部署能力。

原力灵机明确表示，DM0.5可以"轻松适配"包含以下形态在内的机器人平台：

• 双足人形机器人
• 轮式移动底盘
• 双臂/单臂操作机器人
• 复合形态平台（移动+操作）

对于开发者而言，这意味着此前"一个模型只服务一款硬件"的困境被显著缓解。用户不再需要为每一款新机型从头训练一套控制策略，而是可以基于DM0.5这个通用大脑，通过少量微调即可完成部署适配。

为什么跨机型如此关键？

在过去两年的具身智能实验室Demo里，成功率能做到99%的团队并不罕见——但要走向真实业务，团队会发现Demo到规模化交付之间存在数千倍的成本鸿沟。"换一台机器人就得重新调一遍"是最沉重的成本枷锁。

DM0.5的多机型一体化训练机制，本质上是把"机型差异"作为一个可以学习的维度嵌入到模型内部，让模型自己去理解"这个手臂关节能转多少度"、"这个底盘能爬多陡的坡"。当硬件条件被表征成模型可读的Prompt，跨机型部署就从"再训一次"变成了"再想一想"。

四、Dexbotic + RLinf：具身原生的"PyTorch"雏形

DM0.5不是孤立的模型发布，而是原力灵机"具身原生技术栈"迭代的核心一环。

在此前发布的Dexbotic 2.0开发框架基础上，DM0.5延续了以下技术底座：

• 数据—训练—评测—硬件 全流程闭环；
• 多源数据混合训练 支持；
• 统一具身操作与导航、统一模仿学习与强化学习；
• 与清华大学、无问芯穹联合推出的强化学习框架 RLinf 深度集成。

这一整套基础设施，被业内视为具身智能的"PyTorch"雏形。就像PyTorch让深度学习研究者摆脱底层工程负担一样，Dexbotic + DM0.5 + RLinf 的组合正在把具身智能的门槛拉低到"消费级显卡即可微调、二次开发"的程度。

面向开发者的开源承诺

原力灵机延续了DM0时期的开源开放路线，DM0.5将同步向社区释出关键组件。开发者可以：

• 在消费级 GPU 上完成微调；
• 基于自有硬件平台快速适配；
• 结合 RLinf 进行模仿学习 + 强化学习混合训练；
• 通过 Dexbotic 提供的"乐高式"接口搭建自己的具身应用。

五、DFOL：从"实验室99%"到"工厂24小时"

值得一提的是，围绕DM0.5的落地路径，原力灵机今年早些时候发布的 DFOL（Distributed Field Online Learning） 应用量产工作流也在同步升级。

DFOL的核心创新是"数据回流"机制，形成 "云端训练—现场执行—数据回流—模型更新" 的持续进化闭环：

1. 云端基于DM0.5训练通用能力；
2. 现场部署到具体机器人执行任务；
3. 真实工况数据回流至云端；
4. 模型在真实环境中不断自我改进。

这套机制的意义在于，它把"实验室里99%成功率"和"工厂里7×24小时稳定运行"之间的鸿沟，用一条工程化管线明确地填平。原力灵机团队表示："Demo再好，一次性远远不够，需要连续实现才行。"

六、行业信号：具身GPT-3时刻真的来了？

从今年2月DM0首发点燃"具身原生"的技术叙事，到3月获得英伟达、Physical Intelligence双重认可，再到4月Generalist团队的GEN-1发布标志着"具身GPT-3时刻"到来——2026年上半年，具身智能领域的技术密度和落地速度都在成倍抬升。

DM0.5的发布至少释放出三个明确的行业信号：

• 数据规模的"入场券"已经被拉到10万小时以上量级，未跨过这个门槛的团队将很难触达真正的泛化能力；
• 具身原生（Embodied-Native）路线正在被主流玩家共同确认，从零训练、多模态融合、多机型一体化训练成为技术共识；
• 开源开放正在成为竞争加速器，谁能率先构建起"具身版PyTorch"生态，谁就更可能拿到下一阶段的技术主动权。

结语：具身智能的"半年一代"节奏

从DM0到DM0.5，仅仅五个月时间，参数规模保持轻量化、数据规模翻倍、Zero-Shot能力提升31%、泛化涌现开始显现——这样的迭代速度，正在把具身智能拉入类似语言模型"半年一代"的高速演进期。

对开发者、机器人本体厂商、工厂集成商而言，DM0.5的意义不只是又一个SOTA模型的到来，而是具身原生技术栈进入可用、可复现、可规模化交付阶段的一个明确里程碑。下一个版本会是DM1.0，还是直接跳到具备十亿甚至百亿参数的具身通用大模型？值得所有关注具身智能的从业者持续追踪。

---

参考来源

• 知乎话题：具身智能与具身原生大模型 — 具身智能与具身原生路线技术讨论合集
• GitHub - 具身智能开源项目 — 具身智能相关开源框架与模型仓库
• Hugging Face 模型社区 — 关注DM0/DM0.5等具身模型的开源发布动态