魔法原子EchoPolicy-0登顶MolmoSpaces具身操作榜
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载榜单头名与成绩
在由艾伦人工智能研究所发起的零样本具身智能评测基准MolmoSpaces上，魔法原子的EchoPolicy-0拿下了Combined榜单的全球第一，截至2026年10月13日仍保持这一位置。衡量机器人操作能力的平均成功率为75.4%，这一成绩是在覆盖该基准全部4个v1任务的前提下取得的，评测总局数达到3915局。所谓零样本，意味着模型在面对此前未见过的环境与物体时直接执行任务，不依赖针对具体场景的额外训练数据，因此榜单名次反映的是通用操作能力的横向比较结果。对关注具身智能落地进展的读者来说，一个模型能否在全部任务类别上都站住脚，比单项高分更能说明问题，EchoPolicy-0的全任务覆盖与整体成功率同时成立，构成了它排在首位的主要依据。
技术路线与验证
EchoPolicy-0的做法是把视觉语言模型当作目标引导器，由它来理解任务意图，再在多个候选轨迹中做出选择，而不是让模型直接输出单一动作序列。这种多候选轨迹选择的思路，把决策拆成理解与挑选两步，使模型在复杂场景下仍有可比较的备选方案。在硬件侧，该方案已在Franka单臂平台上完成四类操作的验证，说明其能力并非只停留在仿真评测环节，而是有对应的真实平台操作结果支撑。对使用同类单臂平台做研发的团队而言，这一组合意味着模型侧的方法与常见实验平台之间存在可对接的路径，验证覆盖的操作类别也为后续复现与比较提供了参照。
同门方案对照
同一体系下的MagicBrain走的是另一条路线，参数规模为3.4B，通过端到端视觉引导来优化指令遵循效果，在MolmoSpaces Combined榜单上位列全球第四，机器人操作平均成功率为72.4%。它与EchoPolicy-0的差别体现在两点：一是模型体量与训练方式不同，二是成绩分布不同。MagicBrain的抓取成功率达到94.4%，明显高于其整体平均成功率，说明它在抓取这一类动作上表现突出，而整体均值的拉低来自其他操作类别。把两个方案放在一起看，一个偏向以视觉语言模型做目标引导与轨迹筛选，一个偏向端到端视觉引导，二者在榜单上的名次与成功率差异，为判断不同技术路线在各类操作上的强弱分布提供了直接对照。
评测底座与含义
这些成绩依托的MolmoSpaces是一个零样本具身智能评测基准，由艾伦人工智能研究所发起，其生态包含超过23万个室内环境和约13万个物体资产。环境与物体资产的规模决定了评测样本的多样性，也解释了为何单次全量评测会达到3915局这样的量级——模型需要在大量不同场景与物体组合中反复执行任务，成功率才有统计意义。对读者而言，理解这一底座有助于判断榜单数字的分量：在如此规模的环境与资产集合上取得75.4%的平均成功率并覆盖全部4个v1任务，与在少量固定场景中取得高分是两回事。EchoPolicy-0与MagicBrain在同一基准上的表现，也因此具备了相互比较的基础。
为什么值得看
具身智能评测从单项指标转向多任务系统能力，两个框架同榜的成绩给出了可比较的量化参照。
信源1 家
关键事实
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。