高德发布首个基于开放世界行为的全身基座模型λ0，推动机器人从“局部学习”迈向“全身动作对齐”
内容提要
高德发布首个基于开放世界行为的全身基座模型λ0，仅用人类行动数据即可让机器人学习移动、姿态与双手操作的全身协调。该模型采用无本体全身数据采集，效率约为主流方法的3.4倍，并构建了500小时的HumanVerse-500数据集。在仿真与真机评测中均达到SOTA，真机任务成功率较最强基线提升22.5%，支持零样本跨形态迁移，相关代码与数据已开源。
延伸解读
无本体采集如何改变数据成本结构
λ0的核心突破之一是用消费级设备替代机器人本体进行数据采集，单条示范采集时间从约100秒降至29秒，效率提升约3.4倍。这意味着数据规模化的瓶颈从硬件依赖转向人力组织，为构建更大规模的人类全身动作数据集提供了可复制的路径。但文章未提及消费级设备的精度上限，读者需注意采集效率提升是否以牺牲动作细节为代价。
三阶段训练与跨形态迁移的工程意义
λ0采用手部交互、全身协调、人形本体三阶段训练，并设计视角匹配和“由粗到细”的动作对齐机制，以缓解人机形态差异带来的迁移难题。在7项全身协调与长程移动操作任务中，仅凭人类数据即可实现真机零样本迁移，真机成功率较最强基线提升22.5%。这表明人类全身数据具备直接驱动人形机器人的潜力，但零样本迁移的泛化边界仍需更多任务验证。
数据规模扩展的验证与开放生态
文章指出，在同等机器人示范量条件下，随着人类全身数据规模扩大，真实机器人任务表现显著提升，这为“以人类数据 scaling 替代机器人数据 scaling”提供了初步证据。同时，λ0已开源硬件配置代码并上线HumanVerse数据样例，降低了研究复现门槛。不过，500小时数据集覆盖的开放场景类型有限，其向巡检、物流等实际场景的迁移效果尚待检验。
Q&A
高德发布的λ0模型是什么？
λ0是阿里巴巴集团旗下高德发布的首个基于开放世界行为的全身基座模型，仅依靠人类行动数据即可让机器人学习移动、姿态与双手操作的全身协调，使机器人摆脱“局部动作学习”的局限。
λ0模型如何解决机器人全身动作数据采集效率低的问题？
λ0首创“无本体全身数据采集”方式，采集者仅需佩戴消费级设备即可在日常环境中随走随采，摆脱对昂贵机器人本体的依赖。代表性任务单条示范采集用时从约100秒缩短至29秒，效率约为主流方法的3.4倍。
λ0模型在真机任务上的表现如何？
在SIMPLE仿真基准及多项真机评测中，λ0均取得SOTA表现，真机任务成功率较最强对比基线提升22.5%，并支持零样本跨形态迁移。
λ0模型如何实现人机动作对齐与跨形态迁移？
λ0采用“软硬件协同人机对齐”技术路径，完整记录并对齐视觉、身体位移与手部操作等全身动作信息，再结合手部交互、全身协调、人形本体三阶段训练。同时设计视角匹配和“由粗到细”的动作对齐机制，在保留全身协调的同时优化物理接触精度，从而实现跨形态迁移。
HumanVerse-500数据集是什么？
HumanVerse-500是高德构建的包含500小时开放世界无本体全身数据的数据集，基于可规模化的无本体采集管线构建，用于训练λ0模型。
λ0模型是否开源？在哪里可以获取代码和数据？
是的，λ0已在GitHub开源相关硬件配置代码，并在HuggingFace上线了HumanVerse数据样例，方便开发者直接体验与研究。项目主页、技术报告等链接也已公开。
