Recientemente, Amap, del grupo Alibaba, lanzó oficialmente λ0, el primer modelo fundacional de cuerpo completo basado en comportamiento de mundo abierto. Este modelo permite que los robots aprendan la coordinación de cuerpo completo —movilidad, postura y manipulación bimanual— utilizando únicamente datos de acciones humanas, liberando a los robots de la limitación del "aprendizaje de acciones locales". En el benchmark de simulación SIMPLE y en múltiples evaluaciones en robot real, λ0 logró un rendimiento SOTA, con una eficiencia de recolección de datos aproximadamente 3.4 veces mayor que la de los métodos convencionales y una tasa de éxito en tareas de robot real superior en un 22.5% frente al mejor modelo base de comparación.
A medida que la inteligencia encarnada avanza hacia entornos abiertos como hogares, supermercados y almacenes, los robots ya no se enfrentan a operaciones únicas con una postura fija, sino a tareas complejas de largo alcance que requieren la coordinación continua de todo el cuerpo.
Sin embargo, las rutas tecnológicas existentes difícilmente satisfacen las necesidades de recolección y aprendizaje corporal coordinado de los robots. Por un lado, la recolección tradicional mediante teleoperación en robot real depende en gran medida de equipos de hardware y del reinicio manual, con altos costos de expansión; por otro, los modelos base VLA (visión-lenguaje-acción) en primera persona carecían en general de información de acciones con coordinación de cuerpo completo, y los datos solían centrarse solo en interacciones locales como manos y brazos, sin información dinámica de cuerpo completo como articulaciones, torso o postura. Cuanto más abierto es el escenario y más compleja la tarea, este aprendizaje de acciones "fragmentado" se convierte en el cuello de botella que restringe la capacidad general y la tasa de éxito de las acciones de los robots.
λ0 creó por primera vez la ruta tecnológica de "recolección de datos corporales completos sin robot físico + alineación humano-máquina con coordinación de hardware y software", para hacer frente a los desafíos de los escenarios abiertos en cuanto a eficiencia de recolección, coordinación de cuerpo completo y transferencia entre robots.
En cuanto a costos y eficiencia, la recolección de datos corporales completos sin robot físico libera a λ0 de su fuerte dependencia de costosos robots para la recolección: el recolector solo necesita llevar dispositivos de consumo para recopilar datos mientras camina en entornos cotidianos. En comparación con la recolección mediante robot físico, este método reduce el tiempo de recolección de una sola demostración de tareas representativas de unos 100 segundos a 29 segundos, con una eficiencia de recolección aproximadamente 3.4 veces mayor.
En el aprendizaje y la alineación de acciones de cuerpo completo, λ0 se apoya en un modo de recolección de datos con coordinación de hardware y software que registra y alinea íntegramente la información de acciones de todo el cuerpo, como la visión, el desplazamiento corporal y la manipulación manual, y combina un entrenamiento en tres etapas —interacción manual, coordinación corporal completa y robot humanoide— para convertir gradualmente la experiencia humana en instrucciones de control corporal completo del robot. Sobre la base de este flujo de trabajo escalable, Amap construyó el conjunto de datos HumanVerse-500, que contiene 500 horas de datos corporales completos de mundo abierto sin robot físico.
(Construcción y estadísticas generales del conjunto de datos HumanVerse-500)
Frente a las dificultades de transferencia derivadas de las diferencias morfológicas entre humanos y máquinas y de las desviaciones de ejecución de los controladores de extremo, λ0 diseñó en los extremos de recolección, procesamiento y acción mecanismos de correspondencia de perspectiva y de alineación de acciones "de lo grueso a lo fino", optimizando la precisión del contacto físico sin perder la coordinación de cuerpo completo.
En cuanto a la transferencia entre morfologías y la escalabilidad (Scaling) de los datos, λ0 logró en robot real transferencia de cero muestras basada únicamente en datos de acciones humanas en 7 tareas de coordinación corporal completa y de movilidad-operación de largo alcance. Asimismo, con la misma cantidad de demostraciones de robot, el rendimiento del robot real en tareas mejora significativamente a medida que crece la escala de los datos corporales completos humanos. Esto significa que la acumulación a gran escala de datos corporales completos humanos es una vía eficaz para mejorar el rendimiento de los robots humanoides en tareas reales.
(Progreso de las tareas alineadas con demostraciones humanas en las siete tareas)
Se sabe que la investigación de este modelo fue realizada conjuntamente por Amap y el grupo de negocios ATH de Alibaba. Desde la recolección de datos sin necesidad de que el robot esté presente, pasando por la alineación de observaciones y acciones entre humanos y máquinas, hasta la verificación de capacidades en robots reales, λ0 completó todo el flujo que lleva la experiencia corporal completa humana hacia los robots humanoides. Esto sienta las bases para que los robots aprendan y ejecuten tareas de coordinación corporal completa en más escenarios abiertos como la inspección y la logística.
Actualmente, λ0 ha publicado como código abierto en GitHub el código de configuración de hardware relacionado, y ha puesto en línea en HuggingFace muestras de datos de HumanVerse, para que los desarrolladores puedan experimentar e investigar directamente.
Adjunto
Página del proyecto: https://lambdahumanoid.github.io/
Informe técnico: https://arxiv.org/abs/2610.18950
GitHub: https://github.com/LambdaHumanoid/openlambda
Muestras de datos de HumanVerse: https://huggingface.co/datasets/lambda-humanoid/HumanVerse-500-sample
Este artículo fue proporcionado por Amap, y QbitAI lo reproduce con autorización; las opiniones pertenecen al autor original.