高德, das Unternehmen der Alibaba Group, hat kürzlich offiziell λ0 vorgestellt, das erste somafreie Basismodell für den ganzen Körper auf Basis von Verhaltensdaten aus der offenen Welt. Das Modell ermöglicht Robotern allein anhand menschlicher Bewegungsdaten, die Ganzkörperkoordination von Fortbewegung, Körperhaltung und beidhändiger Manipulation zu erlernen, und befreit Roboter damit endgültig von den Grenzen des „lokalen Aktionslernens“. Im SIMPLE-Simulationsbenchmark sowie bei mehreren Bewertungen an realen Robotern erzielte λ0 durchweg SOTA-Leistungen; die Datenerfassungseffizienz liegt etwa 3.4-fach über der führender Methoden, und die Aufgabenerfolgsquote an realen Robotern wurde im Vergleich zum stärksten Vergleichs-Baseline um 22.5 % gesteigert.
Da verkörperte Intelligenz schrittweise in offene Umgebungen wie Haushalte, Supermärkte und Lagerhallen vordringt, sehen sich Roboter nicht länger einzelnen Operationen aus fester Standposition gegenüber, sondern komplexen Langzeitaufgaben, die eine kontinuierliche Koordination des gesamten Körpers erfordern.
Dennoch können bestehende technologische Ansätze die Anforderungen an eine Ganzkörper-Erfassung und das Lernen solcher Koordination kaum erfüllen. Einerseits ist die herkömmliche Teleoperations-Erfassung an realen Robotern stark auf Hardwareausrüstung und manuelles Zurücksetzen angewiesen, was die Skalierung sehr kostspielig macht; andererseits fehlt es den bisherigen egocentrischen VLA-Basismodellen (Vision-Language-Action)普遍 an Ganzkörper-Actioninformationen – die Daten konzentrieren sich meist nur auf lokale Interaktionen von Händen und Armen und enthalten keine ganzkörperbezogenen dynamischen Informationen zu Gelenken, Rumpf oder Pose. Je offener das Szenario und je komplexer die Aufgaben, desto mehr wird dieses „fragmentierte“ Aktionslernen zum Engpass, der die allgemeinen Fähigkeiten und die Aufgabenerfolgsquote der Roboter einschränkt.
λ0 bahnt erstmals den technischen Weg der „körperlosen Ganzkörper-Datenerfassung plus hardware- und softwareübergreifender Mensch-Roboter-Ausrichtung“, um den Herausforderungen offener Szenarien in Bezug auf Erfassungseffizienz, Ganzkörperkoordination und körperformenübergreifende Übertragbarkeit zu begegnen.
In puncto Kosten und Effizienz befreit die somafreie Ganzkörper-Datenerfassung λ0 von der starken Abhängigkeit von teurer Robot-Hardware bei der Datenaufnahme: Die Erfasser müssen lediglich Consumer-Geräte tragen und können im Alltag im Gehen miterfassen. Im Vergleich zur Erfassung mit Robot-Hardware verkürzt sich die Zeitspanne für eine einzelne Demonstration bei repräsentativen Aufgaben von rund 100 Sekunden auf 29 Sekunden, was eine rund 3.4-fach höhere Erfassungseffizienz bedeutet.
Beim Ganzkörper-Aktionslernen und -Alignment stützt sich λ0 auf einen software- und hardwareseitig koordinierten Datenerfassungsmodus, der visuelle Informationen, Körperbewegungen und Handmanipulationen vollständig aufzeichnet und ausrichtet; in Kombination mit dem dreistufigen Training aus Handinteraktion, Ganzkörperkoordination und humanoider Robothardware werden menschliche Erfahrungen schrittweise in Ganzkörper-Steuerungsbefehle für Roboter umgewandelt. Auf Basis dieser skalierbaren Pipeline hat 高德 den HumanVerse-500-Datensatz mit 500 Stunden somafreier Ganzkörperdaten aus der offenen Welt aufgebaut.
（HumanVerse-500数据集的构建与全景统计）
Angesichts der Herausforderungen beim Transfer, die sich aus morphologischen Unterschieden zwischen Mensch und Maschine sowie aus Ausführungsabweichungen der Endeffektor-Regler ergeben, hat λ0 auf den Ebenen Datenerfassung, -verarbeitung und -aktion einen Mechanismus zur Sichtwinkelanpassung und „von grob nach fein“ gestuften Aktionsausrichtung entworfen, der bei Beibehaltung der Ganzkörperkoordination die Präzision des physischen Kontakts optimiert.
In Bezug auf morphologieübergreifenden Transfer und Datenskalierbarkeit (Scaling) erreichte λ0 bei 7 Aufgaben zur Ganzkörperkoordination und Langstreckenbewegung Null-Shot-Transfer an realen Robotern allein mit menschlichen Bewegungsdaten. Zudem verbessern sich die Leistungen realer Roboter deutlich, wenn bei gleicher Menge an Roboter-Demonstrationen der Umfang der menschlichen Ganzkörperdaten wächst. Dies bedeutet: Die skalierende Akkumulation menschlicher Ganzkörperdaten ist ein wirksamer Weg, um die Leistung humanoider Roboter bei realen Aufgaben zu steigern.
（七个任务中对齐人类示范的任务进度）
Nach Angaben der Beteiligten wurde die Forschung zu diesem Modell gemeinsam von 高德 und der Alibaba-Geschäftseinheit ATH durchgeführt. Von der Datenerfassung ohne Anwesenheit eines Roboters über die Mensch-Maschine-Beobachtungs- und Aktionsausrichtung bis hin zur Validierung der Fähigkeiten an realen Robotern hat λ0 die vollständige Kette vom menschlichen Ganzkörperwissen zum humanoiden Roboter geschlossen. Dies legt die Grundlage dafür, dass Roboter in weiteren offenen Szenarien wie Inspektion und Logistik Ganzkörper-Koordinationsaufgaben lernen und ausführen können.
Derzeit hat λ0 den zugehörigen Hardware-Konfigurationscode auf GitHub als Open Source veröffentlicht und auf HuggingFace HumanVerse-Datenbeispiele bereitgestellt, damit Entwickler sie direkt ausprobieren und erforschen können.
附
Projektseite: https://lambdahumanoid.github.io/
技术报告：https://arxiv.org/abs/2610.18950
GitHub: https://github.com/LambdaHumanoid/openlambda
HumanVerse-Datenbeispiele: https://huggingface.co/datasets/lambda-humanoid/HumanVerse-500-sample
本文由高德提供，量子位获授权转载，观点归原作者所有。