全球具身智能领域迎来重大突破——高德宣布正式全量开源ABot-M0模型，这是全球首个基于统一架构的机器人具身操作基座模型。该模型通过构建“通用大脑”，实现了对多种形态具身机器人的适配，为行业提供了可复用的技术基座，标志着具身智能从单一场景向通用化迈出关键一步。
在性能验证方面，ABot-M0在Libero、Libero-Plus、RoboCasa等国际权威基准测试中均取得领先成绩。特别是在Libero-Plus测试中，其任务成功率达到80.5%，较此前行业标杆方案Pi0提升近30个百分点。这一突破得益于模型在动作预测与空间感知层面的双重创新，为复杂场景下的机器人操作提供了更稳定的解决方案。
开源内容覆盖数据、算法、模型三大核心维度。数据层面，高德首次公开了规模达600万条的通用机器人数据集UniACT，该数据集通过统一动作表示、坐标系与控制频率，解决了异构机器人数据的兼容性问题。配套的全流程处理管线可将原始异构数据转化为标准化训练数据，显著提升预训练效率，为开发者节省大量数据清洗成本。
算法创新是ABot-M0的核心优势。其提出的动作流形学习（AML）算法突破传统试错模式，直接生成物理可行的动作序列，使解码效率提升40%的同时保持策略稳定性。双流感知架构则通过融合视觉语言模型（VLM）与3D几何模块，在保留高级语义理解能力的基础上，强化了空间推理能力。这种“即插即用”的设计允许开发者根据需求注入不同几何先验，无需修改骨干网络即可适配特定场景。
模型层面，高德开源了完整的端到端预训练框架与工具链，开发者可直接调用预训练模型进行微调，快速适配工业搬运、家庭服务等场景。统一架构的验证表明，单一模型可驱动不同形态的机器人执行操作任务，为“通用大脑+专用躯体”的产业模式提供了技术实证。目前，该模型已支持轮式、臂式、人形等多种机器人形态。
此次开源不仅降低了具身智能的技术门槛，更通过数据与算法的开放共享，推动行业形成统一技术标准。高德团队表示，未来将持续优化模型的多模态交互能力，并探索在医疗、农业等领域的垂直应用，助力具身智能技术从实验室走向规模化落地。
