REAL WORLD (RLWRLD) 正式公開日本首個專有機器人基礎模型「RLDX-1（RealDex）」

實現全球最尖端實體AI基礎模型開發的REAL WORLD株式會社（RLWRLD，日本法人：東京都千代田區 代表：柳俊熙）於2026年5月7日，正式公開了其獨特的機器人基礎模型（Robotics Foundation Model，以下簡稱 RFM）「RLDX-1(RealDex)」。本模型採用「Dexterity-First」設計，除了視覺、語言之外，還能將力量、觸覺及工作記憶一併在單一模型中處理。其技術有別於傳統以視覺和語言為中心的VLA（Vision-Language-Action）模型，實現了高性能。

以靈巧性為起點的全新設計理念「Dexterity-First」

業界普遍認為，「如果先實現智慧，靈巧性便會自然而然地具備」。然而，REAL WORLD（RLWRLD）提出了不同的觀點。RLDX-1所提出的觀點是，「靈巧性並非智慧的結果隨後附帶而來，而是智慧在物理世界中行動時不可或缺的過程本身」。基於這種認識，唯有能夠處理視覺無法捕捉的信號，例如力量（扭矩）、觸覺和接觸時機，才能實現工業現場中精密作業的自動化。

為驗證這一理念，REAL WORLD（RLWRLD）著重於工業現場中反覆出現的手工操作課題，並透過其自有基準測試「DexBench」進行了系統性定義。具體而言，他們從以下五個方面建立了定量評估手部操作能力的機制：① 抓取多樣性（Grasp Diversity）、② 空間精度（Spatial Precision）、③ 時間精度（Temporal Precision）、④ 接觸精度（Contact Precision）、⑤ 情境意識（Context Awareness）。

全球基準測試確認高性能，並在實際機器人環境中驗證優勢

RLDX-1在全球八種公開基準測試中，超越了NVIDIA的GR00T和Physical Intelligence的πO（Pi Zero）等現有的最高性能（State-of-the-Art，SOTA）模型，取得了優異成績。在為長期且以接觸為中心的任務設計的「RoboCasa Kitchen」中，它獲得了70.6分，作為達到70分區間的VLA模型，展現了高水準。在類人機器人專用評估「GR-1 Tabletop」中，它獲得了58.7分，領先第二名模型10.7個百分點。此外，在評估對攝影機、照明、語言、背景等七個變數的魯棒性的「LIBERO-Plus」中，它也錄得了86.7％的成績，超越了對照模型。

此外，在實際機器人環境中，觀察到了更為顯著的差異。在REAL WORLD（RLWRLD）參與開發的WiRobotics公司類人機器人「ALLEX」的評估中，它在涉及動態重量變化的「倒咖啡（Pot-to-Cup Pouring）」任務中，成功率達到了70.8％。考慮到對照模型僅停留在30％區間後半，這約是其兩倍的成果。

採用「看、感受、記憶、適應」的核心架構「MSAT」

REAL WORLD（RLWRLD）的技術核心是多流動作變換器（Multi-Stream Action Transformer，MSAT）。傳統的VLA（Vision-Language-Action）模型將視覺、語言、動作、觸覺、記憶等不同信號在單一串流中處理，而MSAT則為每個模態設置了獨立的串流，並透過模態間的聯合注意力（joint attention）進行整合。此外，對於視覺無法捕捉的物理信號（如力量（扭矩）和觸覺）以及長期記憶，也透過專用模組（Physics Module、Memory Module）進行處理，從而實現了單一模型「看（see）、感受（feel）、記憶（remember）、適應（adapt）」的一系列過程。

REAL WORLD（RLWRLD）CTO裴宰京表示，「RLDX-1的核心在於將結構分離，使每個模態都能充分發揮其特性。透過扭矩信號高精度捕捉接觸瞬間，並推斷時間軸上動態變化的能力，這是傳統VLA在結構上難以處理的領域。」