在全球具身智能领域，一场激烈的竞争正持续升温。近日，千寻智能自主研发的具身大模型Spirit v1.5，在国际权威评测中脱颖而出，成功登顶全球具身智能模型评测平台RoboChallenge综合榜单，这一成绩标志着国产具身智能技术取得了重大突破，正式跻身全球第一梯队。
RoboChallenge由Dexmal原力灵机与全球知名机构Hugging Face联合发起，是全球首个专为具身智能机器人打造的大规模真机评测平台。该平台通过30项贴近真实场景的任务，全面检验机器人在陌生环境中的泛化能力，任务涵盖摆放薯条、寻找特定颜色物体、贴胶带等日常技能操作。在此次评测中，Spirit v1.5以综合得分66.09分、成功率50.33%的优异成绩，超越了此前长期霸榜的美国Physical Intelligence公司发布的Pi0.5模型，成为唯一一个成功率超过50%的模型。
在具体任务实测中，Spirit v1.5展现出了显著优势。在贴胶布任务中，它能够迅速精准定位胶布位置，并通过双手配合完成粘贴动作；而Pi0.5经过多次尝试，仍未能成功撕下胶布。在摆放物体任务中，面对被压在最下方的绿色物体，Spirit v1.5直接在堆叠物品中主动搜寻并精准拾取，避免了拾取错误颜色物品；Pi0.5则需先露出绿色物体后才能拾取。在插花任务中，Spirit v1.5通过移动关节确保花保持竖直并插入花瓶；Pi0.5却将花横放在花瓶上，未能识别瓶口。在移动物体任务中，Spirit v1.5能够精准抓取物品并放入箱子，同时根据实际场景判断抬升高度；Pi0.5则无法判断是否抓取成功，机械执行固定步骤，导致物品未能顺利放入。
Spirit v1.5的成功并非偶然，其背后是千寻智能对机器人泛化能力核心难题的深度破解。传统机器人模型在训练阶段往往对数据进行严苛预处理，虽降低了模仿难度，却大幅限制了泛化能力。千寻智能则采用开放式、目标驱动的数据采集方式，让操作员以特定目标为前提即兴发挥，任务规划和执行顺序完全随机。这种数据采集方式构建的数据集具有高度多样性和强可扩展性。
在多样性方面，数据集包含海量物体交互、轨迹和环境转换数据，涵盖拾取、放置、打开容器、打扫房间等多种操作，使机器人通过学习整套技能及执行顺序，获得更具通用性的知识与能力。在可扩展性方面，该数据集无需为每个场景精心设计任务指导，即可在不增加管理成本的前提下高效扩展采集规模。千寻智能内部实测显示，采用这种方法人均有效采集时长增加200%，对算法专家的干预需求削减60%。
为验证这种数据集采集范式的有效性，千寻智能建立了两组模型进行对比。结果显示，在全新未显式出现在预训练集中的任务上微调时，多样化模型达到相同性能所需的迭代次数比基线模型少40%。同时，模型迁移效率与多样化数据量呈显著正相关，随着数据集规模增长，模型在新任务中的验证误差不断下降，表明模型具备从现实世界丰富内在多样性中自主学习的能力。
此次Spirit v1.5的登顶，不仅证明了国产具身智能模型已达到世界级水准，更标志着中国具身智能产业在全球舞台上的崛起。在具身智能走向行业落地的关键阶段，这一成果将为千寻智能吸引全球顶尖技术人才，提升行业技术影响力，推动与产业链上下游生态合作的深化，为技术迭代和机器人产品化落地奠定基础。同时，也为国内具身智能赛道的技术演进提供了可参考的实践范式，助力产业从技术突破向规模化落地加速迈进。
