WAIC挑战：6个机器人，8万积木拼长城新智元
8万块积木，15个小时！
一座长3.5米、宽1.5米、最高点1.1米的长城模型，要在15个小时内，从第一块积木开始垒起。
接下这个活儿的，没有一位人类。
上阵的只有6台机器人：4台桌面机器人，2台人形轮式机器人。
没有人在背后遥控，没有预先写死的脚本，从抓起第一块积木到垒上最后一块城砖，全程自主。
而要求是，81,920块微型积木要严丝合缝地咬合，烽火台、垛口、蜿蜒起伏的城墙，一块都不能错位。
即便是拼错了，它也会自己纠正，让整个过程完成一个闭环。
这是2026世界人工智能大会（WAIC）上，由原力灵机发起的一场「全球首创」级挑战，正在展台上真实上演。
这几个硅基，能在规定时间内完成任务吗？
一场没有剧本的公开考试
一座积木长城，听起来像个行为艺术。
但如果你把它拆开看，会发现这场挑战，精确地踩在了具身智能最难的三根钉子上。
每一根，都是机器人从实验室走进车间时会被绊倒的地方。
▪︎0.3毫米，亚毫米级精细操作
积木咬合是亚毫米级的活儿，机器人必须在0.1–1毫米的尺度里完成精准、稳定、可控的动作。
这个数字有多苛刻？
人手在完全放松状态下的自然抖动，大约是0.3到1毫米。
也就是说，机器人被要求做到的稳定度，已经在逼近甚至超出人类手部的生理极限。
这背后要求高精度感知、精密驱动、自主执行三者同时在线——「稳、准、微」，缺一样都拼不上去。
▪︎六台机器人，没有总指挥
6台机器人、两种完全不同的本体形态，要在同一个物理空间里各干各的、又不能撞在一起。
关键在于，这里没有一个中央调度台在发号施令。
每台机器人自己感知、自己决策、自己执行，靠彼此之间的通信协商和动态分工把活儿分掉——
小件精拼与大件组装、搬运，各归其位。
多Agent协同这个词在论文里出现了无数次，真正落到物理世界、落到六台异构机型同时开工的场面，是另一回事。
而这一次，它们要在物理世界里，连续协同整整15个小时。
▪︎15小时，长程稳定作业
最后的关键一步，是时长。
8万多块零件，15小时不间断，每一块积木都需要被稳稳按进它该在的位置。
这三件事叠在一起，本质上都在问同一个问题：一个具身模型，能不能从「演示品」变成「工时」。
此外，参与这场挑战的是原力灵机Dexmal Apex，一款「具身原生」的通用机器人。
通过底层硬件与具身大模型深度融合，Apex具备长效稳定作业、多场景泛化、精细化操作、安全人机共生四大优势。
硬件是躯体，真正决定这场挑战成败的，是那颗共享的大脑。
幕后主角DM0.5
泛化能力的「涌现时刻」
15小时里，没有人在后台遥控。
执行这场挑战的，是原力灵机最新一代具身通用基础模型——DM0.5，全程自主执行。
这是原力灵机在7月初的首届开发者大会Action 2026上，刚刚交出的答卷。
相比上一代DM0，DM0.5在训练数据规模、模型架构、开放世界泛化能力三个维度全面升级。
在DM0.5身上，原力灵机第一次看到了「泛化涌现」。
这四个字，值得掰开讲。
过去的具身模型，更像一个「数据集复读机」：你教它一百个任务，它会一百个，超纲一分就抓瞎。
泛化涌现是指，它开始在没见过的任务面前，凭底层逻辑把事做成。
架构方面，DM0.5延续VLA架构，以4B参数的多模态主干为核心，外加一个680M的动作专家（Action Expert）负责生成连续机器人动作。
训练数据方面，DM0.5用了15万小时多源数据。相比DM0，数据量增长400%，参数量翻倍。
这15万小时里，有5万小时的真机高精度操作数据（覆盖100多种原子动作）、10万小时第一视角场景视频（支持毫米级3D关键点标注），以及百万平方米级的场景重建数据——
最后这一块，直接冲着「仿真里练得好、一到现实就掉链子」的Sim2Real老毛病去的。
但DM0.5的重点并不停留在「把模型和数据做大」。它真正的升级，藏在三个新增的结构里。
三个新结构，让机器人「理解」世界
它在架构上啃下的三块硬骨头，每一块，都能在这次「拼长城」里找到对应。
▪︎上下文抽象层：给机器人装上60秒的记忆
传统模型「走一步忘一步」的短时窘境，正是长程作业的头号杀手。
DM0.5引入了一层叫「上下文抽象层」（Context Abstraction Layer）的设计，把过去一段时间的关键帧和当前观测一起送进模型，撑起最长60秒的任务进程记忆。
训练时，还专门做了随机历史长度和历史增强——
历史信息缺失或者失效的时候，模型能退化回只看当前帧，不至于当场崩掉。
原力灵机自己做过一个很朴素的验证实验，叫「拿起杯子擦桌子」：机器人得先把杯子拿开，擦干净底下那块桌面，最后把杯子放回原来的位置。
杯子一被拿起，它的初始位置就从画面里消失了。只看当前帧的模型到这一步只能瞎猜，往往是随手一放。
