Zero-Shot、长记忆、抗干扰，DM0.5把VLA带进真实世界

过去两年，VLA（视觉 – 语言 – 动作）模型的爆发，让整个具身智能行业沉浸在一种前所未有的乐观中。机器人开始听懂人话、识别物体，在实验室里跑出一个个令人惊叹的精彩 Demo。然而，当这些模型走出精心搭建的 “剧本环境”，真正面对光照变幻、视角漂移以及人类随意的干扰时，脆弱的泛化性往往让繁荣流于表面 —— 全行业都在心照不宣地面对一个难题：如何拒绝用 “任务表” 来冒充世界，让机器人真正走向开放的现实？原力灵机将 DM0.5 的核心提升总结为五个方面：Zero-Shot 能力涌现、Fine-Tuning 更高效可靠、长达 60 秒的记忆能力、面对干扰更鲁棒的动作表现，以及跨机型的迁移能力。