近日，我所自研的Maxwell具身智能大模型在MetaWorld测评成绩对比中夺魁，四档难度平均成功率超过Evo-SOTA榜单所列模型。模型总体成功率达到92.20%，Hard难度档成功率达到95.67%。

MetaWorld是机器人多任务操作研究的重要仿真评测基准，涵盖抓取、搬运、开门、抽屉操作等50种任务，考察机器人在不同操作对象和任务要求下的执行能力。相关公开榜单汇聚了Physical Intelligence、Google DeepMind、阿里巴巴、美团、卡内基梅隆大学（CMU）、麻省理工学院（MIT）、剑桥大学、丰田研究所等机构相关模型的评测成果，集中呈现了国内外代表性团队在机器人操作领域的研究水平。

本次评测覆盖MT50全部50项任务，共测试2500条轨迹，Maxwell具身智能大模型成功完成2305条轨迹。其中，Hard难度档在300条轨迹中成功完成287条，展现了模型在高难度操作任务中的突出表现。

在任务演示中，Maxwell具身智能大模型能够将螺母移至目标柱位、操作把手拉开柜门和抽屉、抓取物体并跨容器搬运。完成这些任务，需要模型识别物体与目标的空间关系，连续执行接近、抓取和移动等动作，并根据接触状态调整操作方式。

图1：Maxwell具身智能大模型在MetaWorld中执行不同操作任务的仿真演示

轻量化与多任务能力是Maxwell具身智能大模型的突出特点。模型参数规模为1B（约10亿），支持单卡推理，并面向边缘端部署需求开展设计。模型以较小的参数规模实现了多种机器人操作能力，在高难度任务中表现突出。

Maxwell具身智能大模型已具备执行200余项任务的能力，所展示任务可在无需额外微调的情况下完成，覆盖物体搬运、位置调整以及开关与容器操作等需求。模型统一承载多种操作能力，覆盖不同物体、目标位置和操作要求。

除MetaWorld外，团队还在LIBERO仿真环境中开展了评测。评测覆盖4个任务套件、40项任务、1693条轨迹，模型部分任务成功率达到99.1%。相关演示包括开启炉灶后放置水壶、将杯子移入微波炉、将书本放入收纳盒，以及将巧克力放入抽屉，展示了模型在不同场景中衔接多个操作环节的能力。

图2：Maxwell具身智能大模型在LIBERO中执行操作任务的仿真演示

此次成果展现了Maxwell具身智能大模型在轻量化设计、多任务操作和连续动作执行方面的技术进展，拓展了通用具身智能模型在机器人操作中的应用能力。

项目主页：https://wwb00l.github.io/maxwell/