高德近日宣布，其自主研發(fā)的具身操作基座模型ABot-M0已正式全量開源，旨在為不同形態(tài)的具身機器人提供統(tǒng)一的“通用大腦”解決方案。該模型通過開源數(shù)據(jù)、算法與模型三大核心模塊，推動機器人技術(shù)向更高效、更靈活的方向發(fā)展。

在數(shù)據(jù)維度，ABot-M0開源了全球規(guī)模最大的通用機器人數(shù)據(jù)集UniACT，整合了超過600萬條真實操作軌跡數(shù)據(jù)。這一數(shù)據(jù)集不僅覆蓋了工業(yè)、家庭等多樣化場景，還提供了從原始異構(gòu)數(shù)據(jù)到標準化訓(xùn)練數(shù)據(jù)的全流程處理工具，顯著降低了開發(fā)者獲取高質(zhì)量訓(xùn)練數(shù)據(jù)的門檻。

算法層面，高德創(chuàng)新提出了動作流形學(xué)習(xí)（AML）算法與雙流感知架構(gòu)，并同步開源了模型架構(gòu)與訓(xùn)練框架。AML算法通過優(yōu)化動作空間表示，提升了模型對復(fù)雜任務(wù)的泛化能力；雙流感知架構(gòu)則結(jié)合了空間與時間信息，增強了機器人對動態(tài)環(huán)境的適應(yīng)性。

模型層面，ABot-M0開源了端到端的預(yù)訓(xùn)練模型及完整工具鏈，支持開發(fā)者直接調(diào)用預(yù)訓(xùn)練參數(shù)，無需從零搭建訓(xùn)練框架。這一設(shè)計使得模型能夠快速適配工業(yè)搬運、家庭服務(wù)等多種場景，大幅縮短了開發(fā)周期。

根據(jù)權(quán)威基準測試數(shù)據(jù)，ABot-M0在Libero、Libero-Plus、RoboCasa等測試中均達到SOTA（State-of-the-Art）水平。其中，在Libero-Plus基準測試中，任務(wù)成功率達80.5%，較此前業(yè)界標桿方案Pi0提升近30%，展現(xiàn)了其在復(fù)雜任務(wù)執(zhí)行中的顯著優(yōu)勢。