# 魔法原子EchoPolicy-0登顶MolmoSpaces，3.4B模型抓取成功率94.4%

> 原文链接：https://robotics.hellobike.com/news/2026-10-13-agentmolmospaces
> 频道：news | 更新日期：2026-10-13 | 标签：auto, rss, qbitai
> 核心摘要：魔法原子具身Agent框架EchoPolicy-0以75.4%平均成功率获MolmoSpaces全球第一。自研3.4B参数MagicBrain模型抓取成功率达94.4%，通过分层架构与视觉引导技术，推动VLA从演示验证迈向产线级可用。

# 魔法原子EchoPolicy-0登顶MolmoSpaces，3.4B模型抓取成功率94.4%

::: v-pre
> 本文由 AI 根据公开内容整理，可能有误，请以原文为准：[魔法原子具身Agent框架拿下MolmoSpaces全球第一](https://www.qbitai.com/2026/10/503107.html)（量子位）

## 核心内容

在艾伦人工智能研究所（AI2）发起的零样本评测基准MolmoSpaces最新榜单中，魔法原子VLM Agent框架EchoPolicy-0以75.4%的平均成功率位列Combined榜单全球第一，覆盖全部4个v1任务。同榜单下，其自研3.4B参数具身智能Agent框架MagicBrain以72.4%平均成功率排名全球第四，其中抓取（Pick-v1）与抓取放置（Pick & Place-v1）两项任务均获单项第一，抓取成功率高达94.4%。此次评测基于超23万室内环境与13万物体资产，重点考核机器人在非固定场景下的泛化能力。

技术上，EchoPolicy-0采用统一VLM Agent框架，通过多候选轨迹生成、VLM目标引导选择及执行后持续验证闭环，解决跨任务指令遵循难题，已在Franka单臂平台完成验证。MagicBrain则采用In-Context Visual Guidance路线，将上层VLM识别的交互目标以视觉标记注入底层VLA观测，弥补语言对齐短板。团队确立分层协同架构：上层负责理解规划与纠错，底层专注动作生成与控制，两者通过视觉引导与Agent调度互补，无需堆砌参数量即可提升系统鲁棒性。

## 关键看点

- **榜单性能**：EchoPolicy-0在MolmoSpaces Combined榜单以75.4%平均成功率夺冠，MagicBrain抓取成功率达94.4%且参数仅3.4B
- **架构设计**：EchoPolicy-0构建统一VLM Agent框架，集成几何工具与通用动作策略，实现观察、决策、执行与验证闭环
- **视觉引导**：MagicBrain采用In-Context Visual Guidance技术，将语义目标转化为像素级视觉标记注入底层模型，解决VLA指代歧义
- **工程验证**：两套框架均在Franka单臂平台完成3915局全量评测，验证了分层架构在零样本泛化与产线级操作中的有效性

## 工程与产业观察

该进展验证了“分层协同+视觉引导”是VLA落地的有效路径。3.4B小参数模型通过显式视觉标记注入与Agent调度闭环，在零样本评测中取得94.4%抓取成功率，表明具身智能不必盲目追求端到端大模型。这种组合范式降低了算力门槛，为工业分拣等高频场景提供了可复现的工程参考，加速VLA从实验室演示向真实产线迁移。
:::

## 原始参考来源 (Sources)

- [量子位：魔法原子具身Agent框架拿下MolmoSpaces全球第一](https://www.qbitai.com/2026/10/503107.html)