首尔大学Dynin-Robotics真机成功率78.4%，小幅领先pi0.5和英伟达GR00T
首尔大学AIDAS实验室称，其机器人基础模型Dynin-Robotics在Franka Research 3机械臂四种真实操作条件下平均成功率达78.4%，高于同一测试中的pi0.5（76.9%）和英伟达GR00T-N1.6（73.0%）。论文已被NeurIPS 2026接收，把指令理解、场景预测和动作生成统一到一个掩码扩散模型中。
首尔大学电气与信息工程系都在英（Do Jae-young）教授领导的AIDAS实验室公布了机器人基础模型Dynin-Robotics。根据团队发布在arXiv上的论文和项目页面，该模型在Franka Research 3机械臂的四种真实操作条件下平均成功率为78.4%。同一测试中，Physical Intelligence的pi0.5为76.9%，英伟达Cosmos Policy为73.6%，英伟达GR00T-N1.6为73.0%。论文已被NeurIPS 2026接收，将于12月发表，韩国媒体10月17日援引校方发布进行了报道。
领先幅度不大，关键在于差距出现在哪里。与pi0.5相比，水果抓放、方块分拣和按颜色顺序堆叠分别高出1.0、2.0和4.5个百分点，自由堆叠低1.5个百分点。指令规定顺序的任务上领先最明显。
先预想结果画面再动手的统一模型
pi0.5和GR00T在视觉语言模型上加装动作头，Cosmos Policy则把策略建立在视频生成模型之上。Dynin-Robotics基于团队3月发布的全模态掩码扩散模型Dynin-Omni，把语言、相机画面、目标图像和量化后的机器人动作放进同一个令牌序列。通过改变被遮盖的片段，同一网络学会生成动作、预测动作后的下一帧、想象任务完成时的画面以及用文字描述轨迹。
运行时这些能力可以组合：先生成目标画面再出动作，动作与下一帧联合去噪，或用世界模型给候选动作打分择优。论文显示，目标引导与联合去噪同时使用时，对改写后指令的成功率高于只生成动作，单独使用其中一项反而更低。
数据与性能
模型用开放X-Embodiment中48个数据集约133万条轨迹继续预训练，再针对各基准分别适配。LIBERO平均98.1%，与X-VLA持平，比ABot-M0低0.5个百分点；带扰动的LIBERO-Plus零样本成绩73.0%，低于ABot-M0的81.6%，相机和机器人扰动下仅为59.8%和48.2%。基于dInfer的加速解码器在单张英伟达B200上把模型侧动作吞吐提高29.15倍，达到每秒268.8个动作单位，同协议下pi0.5为7.35。团队表示模型和代码即将开源。
- Dynin-Robotics（首尔大学）
- 97.5
- 85.5
- 62.0
- 68.5
- 78.4
- pi0.5（Physical Intelligence）
- 96.5
- 83.5
- 63.5
- 64.0
- 76.9
- Cosmos Policy（英伟达）
- 98.0
- 87.0
- 67.5
- 42.0
- 73.6
- GR00T-N1.6（英伟达）
- 91.0
- 78.0
- 59.5
- 63.5
- 73.0
- Mimic-Video
- 96.5
- 84.5
- 64.0
- 39.5
- 71.1
来源：arXiv 2609.13053表5。所有模型由首尔大学团队在同一工作台适配测试，未注明每个条件的试验次数。
截至 2026年10月17日
MEKAWIRE 分析
韩国学界已能做出在公开测试中比肩美国企业模型的机器人基础模型，瓶颈不再是架构，而是数据和落地。
对中国读者而言，更值得对照的是同一张表上的中国模型。论文引用的X-VLA在LIBERO上同为98.1%，ABot-M0以98.6%和LIBERO-Plus 81.6%领先，说明中国学界和企业在这一基准上仍处前列。MEKAWIRE数据库中今年韩国有两项机器人基础模型发布：明日机器人（Tomorrow Robotics）10月7日称Habilis Brain 0在LIBERO上达99.55%，属韩媒转述的公司数据；Dynin-Robotics的98.1%来自完整公开的论文表格。所有模型都挤在饱和区间，真正拉开差距的是真机和扰动测试。
- ABot-M0
- 中国
- 98.6
- 首尔大学论文引用
- Dynin-Robotics
- 首尔大学
- 98.1
- 论文表2
- X-VLA
- 中国学界
- 98.1
- 首尔大学论文引用
- GR00T-N1.6
- 英伟达
- 97.0
- 首尔大学论文引用
- pi0.5
- Physical Intelligence
- 96.9
- 首尔大学论文引用
MEKAWIRE根据首尔大学论文整理。接近100%的LIBERO分数已难以区分模型。
截至 2026年10月17日
最有力的反驳是规模。pi0.5和GR00T使用远超133万条公开轨迹的自有数据训练并已交付客户，而在一台Franka上逐基准调优的大学模型尚未经历工厂环境。论文未说明每个条件的真机试验次数，1.5个百分点的优势无法检验显著性。
乐观情形是韩国机器人企业把这一可开源的国产模型用于多步骤配套作业；悲观情形是缺乏数据引擎，只停留在榜单。值得关注的信号包括权重与代码开源、韩国制造商宣布试点以及12月的NeurIPS发表。
- 首尔大学AIDAS实验室（都在英教授）
- Franka Research 3四种条件平均78.4%（pi0.5 76.9%，Cosmos Policy 73.6%，GR00T-N1.6 73.0%）
- 平均98.1%，LIBERO-Plus零样本73.0%
- 开放X-Embodiment 48个数据集约133万条轨迹
- dInfer加速后模型侧动作解码最高提速29.15倍
- NeurIPS 2026接收（12月），arXiv 2609.13053
为何重要
韩国高校做出了在同一真机测试中与Physical Intelligence、英伟达模型不相上下的机器人基础模型，而且采用独立架构而非微调现成模型。对于正在加大具身智能投入的中国企业，这意味着东亚研究竞争者增加了一位。
它也说明比较维度已经变化：LIBERO饱和，扰动鲁棒性、真机任务和推理速度才是新的分水岭。
竞争对手分析
对pi0.5，四个真机条件中赢三输一，差距1至4.5个百分点；对Cosmos Policy输三项，但在按色序堆叠上领先26.5个百分点。LIBERO-Plus落后ABot-M0 8.6个百分点。中国模型在该基准上仍占据榜首。
估值背景
该成果没有对应的公司或估值，属学术研究。真正的差距在资本：Physical Intelligence、英伟达以及智元等中国企业在数据采集上的投入远超韩国实验室，商业化取决于是否有韩国企业授权或孵化。
供应链影响
训练与吞吐测试依赖英伟达B200，真机为德国Franka。算力栈与竞争对手相同，韩国贡献在模型与训练方法。
后续看点
权重与代码开源；12月NeurIPS发表；韩国制造商或集成商宣布试点；加入力觉输入或扩展到其他本体的后续工作。
分析师观点
我们认为结果可信但优势有限：在语言指定顺序的任务上优势明确，并行解码带来大幅提速。由于未披露试验次数且各基准单独适配，置信度中等。
值得追问的问题
表5每个条件试验多少次？开源权重是否包含真机适配模型？是否有韩国机器人企业在评估？在移动或双臂平台上表现如何？