6月2日，盖世汽车获悉，近期，越疆发布自研世界动作模型空弈DobotWAM具身大模型。
在具身智能标准评测基准LIBERO 上，空弈DobotWAM具身大模型分别完成LIBERO-Spatial、LIBERO-Object、LIBERO-Goal 和 LIBERO-10四个标准任务套件，覆盖空间关系理解、物体泛化、目标指令理解以及长时序任务执行等关键能力维度，平均成功率达99.25% ，领先于π0.5、π0、GR00T-N1.5、π0+FAST 等公开模型，以及行业内已有数据公布的其他模型结果。
其中，空弈DobotWAM具身大模型在LIBERO-Object上实现100/100全部成功，在Spatial、Goal和LIBERO-10 三个套件中均达到99/100。
近两年，VLA模型成为具身智能动作生成的重要范式。它将视觉观测、语言指令和机器人动作统一建模，在数据覆盖充分、任务边界清晰的场景中展现出较高执行效率。但如果模型过度依赖二维图像模式或离线轨迹模仿，在面对空间扰动、物体变化、长流程任务和真实接触反馈时，仍然容易出现动作漂移、目标丢失，或局部动作正确但整体任务失败的问题。
越疆空弈DobotWAM具身大模型的思路，是在视觉-语言-动作建模基础上，进一步引入三维空间理解、机器人运动几何约束和真实数据闭环机制，让模型不仅学会“模仿动作”，更学会“理解动作为什么这样做”。
