具身智能迎DeepSeek时刻：Spirit v1.5登顶全球榜单深度解读 - AI资讯

type

status

date

slug

summary

榜单霸主易位：Spirit v1.5 综合能力全面超车

RoboChallenge 并非普通的软件跑分平台，它是由Dexmal、Hugging Face、智源研究院等多家知名机构联合发起的真机实测基准。其核心在于通过30项贴近真实生活的任务，考验机器人在陌生环境中的泛化能力。

在此之前，榜单长期被美国机器人创企 Physical Intelligence 发布的 Pi0.5 模型占据。Pi0.5 曾以执行复杂家务的能力惊艳业界。然而，Spirit v1.5 的出现打破了这一格局： * 综合得分：66.09分，位列第一。 * 成功率：50.33%，是全球唯一成功率超过50%的模型。

这一成绩并非依靠某一单项“特技”，而是实现了综合能力的全面超车。这意味着国产具身智能玩家已经正式冲进了全球第一梯队的核心圈，在感知、决策与执行的闭环能力上达到了世界级水准。

实战见真章：从“机械执行”到“智能感知”

数据是冰冷的，但机器人的实际表现却能直观反映技术的代差。在RoboChallenge的实操对比中，Spirit v1.5 展现出了极强的环境适应性（Robustness）和泛化能力，与 Pi0.5 形成了鲜明对比。

1. 贴胶带任务：精细操作的胜利 在极需手眼配合的贴胶带任务中，Spirit v1.5 展现了惊人的精准度。机器人迅速定位胶带，双臂协同成功撕下并贴在纸箱上。相比之下，Pi0.5 虽然尝试多次，却始终未能完成撕胶带这一看似简单实则复杂的动作。

2. 复杂环境下的物体搜寻 当目标物体（绿色物品）被压在其他杂物（黄色物品）之下时，两个模型的处理逻辑截然不同。Pi0.5 采用了机械的“清空再拾取”策略，效率低下；而 Spirit v1.5 能够像人类一样，在堆叠的物品中主动搜寻并直接锁定目标，并未受到颜色干扰，展现了更高级的认知与规划能力。

3. 插花与搬运：对物理世界的深刻理解 在插花任务中，Spirit v1.5 能够通过调整关节角度，确保花朵竖直插入瓶中；而竞品则因无法识别瓶口姿态，错误地将花横放在瓶口。同样，在搬运任务中，Spirit v1.5 能够感知抓取状态，确保物体入箱，避免了竞品那种“空气抓取”的机械式错误。

这些案例表明，Spirit v1.5 不仅是在“模仿”动作，更是在“理解”物理场景。

破解泛化难题：拥抱“混乱”的数据训练新范式

Spirit v1.5 能够取得如此卓越的泛化能力，核心在于千寻智能团队对训练数据策略的根本性革新。

传统机器人训练往往依赖于“干净”、严苛预处理的数据，这虽然降低了训练难度，但也让机器人变成了温室里的花朵，一旦环境变化便束手无策。千寻智能反其道而行之，采取了 “高多样性、弱控制” 的开放式数据采集范式。

拥抱不可预测性：采集员在执行任务（如清理台面）时，过程完全随机，不设定固定的子任务顺序。这种“混乱”的数据包含了海量的物体交互、轨迹变化和环境转换。

学习物理常识：通过接触大量非结构化数据，机器人不再是死记硬背某个动作序列，而是习得了通用的物理常识和技能组合（如拾取、放置、打开容器等）。

效率倍增：实验数据显示，使用这种多样化数据预训练的模型，在适应新任务时，所需的迭代次数比基线模型减少了40%。

这种从现实世界的丰富内在多样性中自主学习的能力，正是通往具身通用大脑（General Purpose Embodied Brain）的必经之路。

开源即登顶：构建开放的具身智能生态

与许多闭源发展的AI巨头不同，千寻智能选择了拥抱开源社区。为了证明榜单成绩的真实有效性，团队同步开源了 Spirit v1.5 的基模权重、推理代码以及使用样例。

这一举措具有深远的行业意义： 1. 技术验证：全球开发者可以复现并验证其性能，增强了国产模型的国际公信力。 2. 降低门槛：开源降低了具身智能的研究门槛，吸引更多顶尖人才参与技术迭代。 3. 加速落地：开放的生态将加速机器人本体的产品化进程，推动具身智能从实验室走向千家万户。

结语

从CES上国产人形机器人的惊艳亮相，到 Spirit v1.5 在权威榜单上的登顶，中国具身智能产业正处于技术爆发的前夜。千寻智能的成功不仅仅是一次排名的超越，更是对“认知-动作一体化”架构和新型数据范式的成功验证。

随着技术的不断成熟，我们有理由相信，具备更强泛化能力和通用性的机器人将很快融入我们的日常生活。对于关注 AI 变现、AGI 发展以及大模型前沿动态的读者，请持续锁定 AINEWS，我们将为您带来更多深度的行业解读。