近日，高德宣布正式全量開源ABot-M0——全球首個基于統(tǒng)一架構(gòu)的機(jī)器人具身操作基座模型，可實現(xiàn)一個“通用大腦”適配多種形態(tài)的具身機(jī)器人。

據(jù)悉，該模型在Libero、Libero-Plus、RoboCasa等多個權(quán)威基準(zhǔn)測試中實現(xiàn)SOTA。其中在Libero-Plus基準(zhǔn)上，該模型的任務(wù)成功率達(dá)80.5%，較業(yè)界此前的標(biāo)桿方案Pi0提升近30%。

ABot-M0模型架構(gòu)圖

此次ABot-M0的開源涵蓋數(shù)據(jù)、算法與模型三大維度，旨在突破數(shù)據(jù)孤島與部署難點，為具身智能領(lǐng)域提供前沿的空間理解能力，以及"開箱即用"的通用技術(shù)基座。

數(shù)據(jù)層面，ABot-M0開源了目前規(guī)模最大的通用機(jī)器人數(shù)據(jù)集UniACT，整合超過600萬條真實操作軌跡，并提供從原始異構(gòu)數(shù)據(jù)到標(biāo)準(zhǔn)化訓(xùn)練數(shù)據(jù)的全流程處理管線。 通過統(tǒng)一動作表示、坐標(biāo)系與控制頻率，該數(shù)據(jù)集讓分散全球的異構(gòu)機(jī)器人數(shù)據(jù)能夠統(tǒng)一使用，大幅提升預(yù)訓(xùn)練效率。

算法層面，ABot-M0同步開源了模型架構(gòu)與訓(xùn)練框架，其中包含高德創(chuàng)新提出的動作流形學(xué)習(xí)（AML）算法與雙流感知架構(gòu)。 AML摒棄傳統(tǒng)噪聲干擾的預(yù)測方式，讓模型直接預(yù)測物理上可行的動作序列，而不是反復(fù)試錯，顯著提升解碼效率與策略穩(wěn)定；雙流感知架構(gòu)，不僅利用 VLM (Qwen3-VL) 提供高級語義理解，還允許通過一個“即插即用”的 3D 模塊（如 VGGT）注入幾何先驗，增強(qiáng)模型的空間理解能力，無需修改骨干網(wǎng)絡(luò)，即可彌補(bǔ)標(biāo)準(zhǔn)VLM在3D推理上的短板。

模型層面，ABot-M0一并開源了端到端的預(yù)訓(xùn)練模型與完整工具鏈，開發(fā)者無需從零搭建訓(xùn)練框架即可快速適配工業(yè)、家庭等場景。統(tǒng)一架構(gòu)驗證了"一個大腦驅(qū)動多種形態(tài)"的可行性，為"通用大腦+專用軀體"的產(chǎn)業(yè)標(biāo)準(zhǔn)形成，提供了實證支撐。

ABot-M0在Libero-Plus的評測結(jié)果

面向真實世界的空間理解，本身就是機(jī)器人的核心能力。而ABot-M0此次開源，標(biāo)志著高德實質(zhì)性參與到了全球具身智能社區(qū)的發(fā)展過程中，為后續(xù)技術(shù)標(biāo)準(zhǔn)的演進(jìn)貢獻(xiàn)了全新思路。

"我們相信，真正的通用具身智能不是閉門造車的產(chǎn)物，而是全球開發(fā)者共同打磨的結(jié)果。"高德ABot-M0技術(shù)負(fù)責(zé)人表示，"期待ABot-M0成為連接學(xué)術(shù)研究與產(chǎn)業(yè)應(yīng)用的橋梁，讓每一臺機(jī)器人都能擁有聰明、可靠、通用的'大腦'。"

項目資源：

論文標(biāo)題：ABot-M0: VLA Foundation Model for Robotic Manipulation with Action Manifold Learning

項目主頁：https://amap-cvlab.github.io/ABot-Manipulation

代碼地址：https://github.com/amap-cvlab/ABot-Manipulation

論文全文：https://arxiv.org/pdf/2602.11236