高德称λ0仅用人类行动数据即可让机器人学习全身协调动作，在SIMPLE仿真基准和真机评测中取得SOTA，真机任务成功率较最强基线提升22.5%；相关论文、硬件配置代码与HumanVerse数据样例已开放。
AI解读：高德发布全身基座模型λ0，称其为首个基于开放世界行为的全身基座模型，研究由高德与阿里ATH事业群共同完成。
模型仅依靠人类行动数据训练机器人完成移动、姿态与双手操作的全身协调，使用佩戴消费级设备的无本体采集方式，代表性任务单条示范采集时间从约100秒缩短至29秒。
高德构建了500小时开放世界无本体全身数据HumanVerse-500数据集，并称在7项全身协调与长程移动操作任务上实现真机零样本迁移。
评测数据均出自高德一方：SIMPLE仿真基准及多项真机评测取得SOTA，真机任务成功率较最强对比基线提升22.5%，这些数字尚待第三方复现。
阿里巴巴集团旗下高德发布全身基座模型λ0，称其为首个基于开放世界行为的全身基座模型，使机器人可仅依靠人类行动数据学习移动、姿态与双手操作的全身协调。高德方面表示，该模型在SIMPLE仿真基准及多项真机评测中取得SOTA，真机任务成功率较最强对比基线提升22.5%。
据量子位转载的高德稿件，该研究由高德与阿里ATH事业群共同完成。λ0的硬件配置代码已在GitHub开源，HumanVerse数据样例上线HuggingFace，技术报告发布于arXiv。
无本体采集：单条示范从约100秒缩短至29秒
高德将现有路径的问题归结为两点：真机遥操采集依赖硬件设备与人工复位，扩展成本高；此前的第一视角VLA基座模型多聚焦手部、臂部等局部交互，缺少关节、躯干、位姿等全身动态信息。
λ0采用“无本体全身数据采集+软硬件协同人机对齐”的路径。采集者佩戴消费级设备，在日常环境中随走随采，不依赖机器人本体。高德称，与机器人本体采集相比，代表性任务的单条示范采集用时由约100秒缩短至29秒，采集效率约为原来的3.4倍。
基于这条管线，高德构建了包含500小时开放世界无本体全身数据的HumanVerse-500数据集。模型训练分三阶段：手部交互、全身协调、人形本体，逐步将人类经验转化为机器人的全身控制指令。
跨形态迁移：7项任务真机零样本
针对人机形态差异与末端控制器执行偏差，λ0在采集、处理与动作端设计了视角匹配和“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。
高德称，在7项全身协调与长程移动操作任务中，λ0仅凭人类行动数据即可在真机上实现零样本迁移；在同等机器人示范量条件下，人类全身数据规模扩大时，真实机器人的任务表现随之提升。
上述数字和结论均出自高德一方，属公司主张，来源未提供可独立核对的第三方复现结果。适用边界方面，来源给出的评测范围是SIMPLE仿真基准与多项真机任务，以及巡检、物流等开放场景的表述，并未给出家庭环境的实测数据。