魔法原子EchoPolicy-0与MagicBrain框架登顶MolmoSpaces全球榜首，具身智能从演示迈向产线

封面为AI生成的主题示意图，非新闻现场照片。

近日，在由艾伦人工智能研究所（AI2）发起的全球权威具身智能零样本评测基准MolmoSpaces最新榜单上，魔法原子旗下研发的VLM Agent框架EchoPolicy-0以75.4%的机器人操作平均成功率位列Combined榜单全球第一，成功覆盖全部4个v1任务。这一成绩标志着具身智能技术正从“演示可用”阶段向“产线可用”的关键跨越。

同一榜单中，魔法原子自研的MagicBrain框架凭借3.4B参数规模，以72.4%的平均成功率位列全球第四。其抓取（Pick-v1）与抓取放置（Pick & Place-v1）任务成功率分别达到94.4%和领先水平，两项指标均拿下所在榜单全球第一，表现远超行业平均水平。

MolmoSpaces生态包含超过23万个室内环境及约13万个物体资产，设置了可移动的刚体与带关节交互对象。该基准要求机器人不仅要在图像中识别目标，还需通过真实仿真接触改变对象状态，有效模拟了超出固定演示环境的复杂场景，如不同背景、几何结构与物体分布下的任务完成挑战。

EchoPolicy-0框架将视觉语言模型、几何操作工具与通用动作策略整合为统一架构。其核心创新在于引入多候选轨迹选择机制：动作模型提出多种运动方案后，框架依据VLM指定的视觉目标筛选匹配轨迹，并在执行中持续验证结果，确保机器人能准确判断当前状态并调整行动。

针对MagicBrain面临的“听懂话却抓错对象”难题，团队采用In-Context Visual Guidance（上下文视觉引导）技术。该路线让擅长视觉识别的VLM Agent专门负责寻找目标与绑定图像区域，而VLA模型专注于动作执行，通过分离“看懂图”与“听懂话”的能力短板，显著提升了指令遵循效果。

魔法原子MagicLab Studio负责人指出，分层架构是具身大脑路线的重要选择。EchoPolicy-0通过在Franka单臂平台上验证四类操作，展示了统一框架组织不同类型操作能力的潜力；MagicBrain则证明即使不修改模型输入，也能通过视觉引导在候选动作中筛出最优解。

随着机器人运动控制能力提升，市场竞争重心已移至具身智能大模型的泛化能力。MolmoSpaces的评测结果不仅验证了技术的系统性突破，更为市场提供了可比数据：新型任务无需从零搭建系统，只需将新能力接入统一框架即可快速上手，推动技术走向真实应用场景。