全球具身智能領域迎來重大突破——高德宣布正式全量開源ABot-M0模型，這是全球首個基于統一架構的機器人具身操作基座模型。該模型通過構建“通用大腦”，實現了對多種形態具身機器人的適配，為行業提供了可復用的技術基座，標志著具身智能從單一場景向通用化邁出關鍵一步。
在性能驗證方面，ABot-M0在Libero、Libero-Plus、RoboCasa等國際權威基準測試中均取得領先成績。特別是在Libero-Plus測試中，其任務成功率達到80.5%，較此前行業標桿方案Pi0提升近30個百分點。這一突破得益于模型在動作預測與空間感知層面的雙重創新，為復雜場景下的機器人操作提供了更穩定的解決方案。
開源內容覆蓋數據、算法、模型三大核心維度。數據層面，高德首次公開了規模達600萬條的通用機器人數據集UniACT，該數據集通過統一動作表示、坐標系與控制頻率，解決了異構機器人數據的兼容性問題。配套的全流程處理管線可將原始異構數據轉化為標準化訓練數據，顯著提升預訓練效率，為開發者節省大量數據清洗成本。
算法創新是ABot-M0的核心優勢。其提出的動作流形學習（AML）算法突破傳統試錯模式，直接生成物理可行的動作序列，使解碼效率提升40%的同時保持策略穩定性。雙流感知架構則通過融合視覺語言模型（VLM）與3D幾何模塊，在保留高級語義理解能力的基礎上，強化了空間推理能力。這種“即插即用”的設計允許開發者根據需求注入不同幾何先驗，無需修改骨干網絡即可適配特定場景。
模型層面，高德開源了完整的端到端預訓練框架與工具鏈，開發者可直接調用預訓練模型進行微調，快速適配工業搬運、家庭服務等場景。統一架構的驗證表明，單一模型可驅動不同形態的機器人執行操作任務，為“通用大腦+專用軀體”的產業模式提供了技術實證。目前，該模型已支持輪式、臂式、人形等多種機器人形態。
此次開源不僅降低了具身智能的技術門檻，更通過數據與算法的開放共享，推動行業形成統一技術標準。高德團隊表示，未來將持續優化模型的多模態交互能力，并探索在醫療、農業等領域的垂直應用，助力具身智能技術從實驗室走向規模化落地。
