MagicLab Studio's EchoPolicy-0 and MagicBrain Achieve Top Rankings in Global Embodied Intelligence Benchmark
无锡企业，拿下全球具身智能榜单第一！
MagicLab Studio's EchoPolicy-0 framework achieved a 75.4% average success rate in robotic manipulation tasks, ranking first in the MolmoSpaces global benchmark. MagicBrain, with a 94.4% grasp success rate, secured fourth place and top performance in specific tasks. These results indicate progress toward industrial deployment of domestic robot intelligence.
The release highlights the performance of EchoPolicy-0 and MagicBrain in the MolmoSpaces benchmark, emphasizing their capabilities in real-world robotic tasks and the potential for industrial deployment.
Source: Chinese robotics — Robot learning research · Read original article ↗
English translation unavailable. Choose the original article to read it.
What the source reports
Publisher-reported claims, with original evidence. These results have not been independently verified by RoboSignal.
Reported numbers
robot_trajectories
0
View original evidence
【点击报名】 近日，在艾伦人工智能研究所发起的MolmoSpaces全球具身智能评测中， 魔法原子自研EchoPolicy-0框架 夺得综合榜单全球第一 ， 机器人 操作平均成功率达 75.4% 。
Open source S6
- paper: not_reported
Source excerpts and review record
Automatically extracted; no manual editorial approval recorded.
【点击报名】 近日，在艾伦人工智能研究所发起的MolmoSpaces全球具身智能评测中， 魔法原子自研EchoPolicy-0框架 夺得综合榜单全球第一 ， 机器人 操作平均成功率达 75.4% 。
Open source S6
同系列另一套框架MagicBrain位列全球第四，抓取成功率高达 94.4% ，两项抓取相关任务拿下单项全球第一。
Open source S7
MolmoSpaces是全球具身智能领域认可度很高的评测平台，包含数十万室内场景与物体模型，考验机器人在陌生环境里抓物、开关部件等实操能力。
Open source S9
不同于简单的现场演示，这套基准拥有统一打分规则，能客观对比不同AI框架的真实水平。
Open source S10
根据规划，无锡工厂将布设关节模组产线4条、整机产线2条， 达产后可实现万台机器人产能目标 ，其中小型四足机器人年产能9000台、大型四足机器人年产能1000台，形成集 研发设计、生产制造与场景应用 于一体的产业协同体系。
Open source S19
产业协同方面 ，魔法原子所在的梁溪科技城机器人产业园，总建筑面积约15.4万平方米，依托凯德集团的运营优势，已吸引 快仓智能、斯坦德机器人、星尘智能 等一批行业头部企业入驻，形成资源共享、协同发展的产业生态。
Open source S20
当前，无锡正全力发展具身智能产业，目标三年内产业规模 超300亿元 ，产业集群企业 增至200家 ，打造制造业、特种领域、民生及重点行业典型应用场景 不少于300个 。
Open source S21
实战应用场景方面 ， 魔法原子不断拓展具身智能技术的产业化边界，与无锡公安开展战略合作，围绕公共安全领域 “打、防、管、控、服” 等业务需求，积极推动人形机器人、四足机器人在巡逻防控、交通管理、应急处置等场景中的研发测试和应用落地，深度融入城市治理与公共服务场景。
Open source S22
Source：Chinese robotics — Robot learning research · finance.sina.com.cn