高德近日宣布，全球首個基于統一架構的機器人具身操作基座模型ABot-M0正式全量開源。這一突破性成果通過構建“通用大腦”，實現了對多種形態具身機器人的適配，為具身智能領域提供了全新的技術范式。
在性能驗證方面，ABot-M0在Libero、Libero-Plus、RoboCasa等多個國際權威基準測試中均取得最優表現（SOTA）。特別是在Libero-Plus測試中，該模型以80.5%的任務成功率領先行業，較此前標桿方案Pi0提升近30個百分點，展現出顯著的技術優勢。
數據建設層面，高德開源了全球規模最大的通用機器人數據集UniACT。該數據集整合超過600萬條真實操作軌跡，通過統一動作表示、坐標系與控制頻率，構建了從原始異構數據到標準化訓練數據的完整處理管線。這種標準化處理方式有效解決了全球異構機器人數據的兼容性問題，使預訓練效率得到大幅提升。
算法創新方面，模型架構與訓練框架同步開源。其中動作流形學習（AML）算法突破傳統試錯模式，通過直接預測物理可行動作序列，顯著提升了解碼效率與策略穩定性。雙流感知架構則通過融合VLM（Qwen3-VL）的高級語義理解與3D幾何模塊（如VGGT）的幾何先驗，在保持骨干網絡不變的前提下，有效彌補了標準視覺語言模型在三維空間推理方面的不足。
模型層面，端到端預訓練模型與完整工具鏈的開源，使開發者無需從零構建訓練框架即可快速適配工業、家庭等多樣化場景。統一架構的驗證表明，“通用大腦+專用軀體”的技術路徑具有可行性，為行業技術標準的形成提供了重要實證支撐。這一開源舉措將有效降低具身智能領域的技術門檻，推動產業生態的快速發展。
