高德开源全身人形模型 只用人类第一视角数据

阿里巴巴旗下地图业务高德与阿里ATH事业群近日开源了一个名为Lambda-0的人形机器人全身基座模型，团队称这是首个完全基于开放世界人类行为构建的全身人形基座模型。代码以Apache 2.0协议发布在GitHub，配套技术报告已上传arXiv，HumanVerse-500数据集的样例也同步上线Hugging Face。

这套模型的出发点，是现有第一视角动作模型的普遍短板。团队指出，许多第一视角视觉-语言-动作模型只关注手部和手臂，缺少长时程开放环境任务所需的关节、躯干与身体姿态信息；而用遥操作真机来补齐这类数据，既昂贵又难以规模化。

为此Lambda-0采用了一条「无机器人」的数据管线：采集者只需佩戴消费级设备，在日常空间中正常活动即可完成记录。按团队给出的代表性任务测算，单条演示采集约29秒，而真机遥操作约需100秒，效率相差约3.4倍。用这条管线，团队构建了对齐视觉、身体运动与手部动作的HumanVerse-500数据集，规模为500小时开放世界全身人类数据。

训练分三个阶段推进：先学手部交互，再学全身协调，最后适配到人形机器人本体。为弥合人机形态差异与末端执行器误差，模型引入视角匹配和由粗到细的动作对齐机制，在保留全身协调的同时提高物理接触精度。

成绩单来自团队论文：在SIMPLE仿真基准上，Lambda-0报告了约九成的成绩，为当前最优；在七项全身协调与长程移动操作任务上，模型仅凭人类数据即可零样本迁移到宇树G1真机，成功率约百分之六十二点五，比最强基线高出22.5个百分点。团队还观察到，在机器人示范量不变的情况下，人类全身数据越多，真机表现越好——这被视作人类数据可以规模化训练人形机器人的证据。

需要说明的是，上述数字均出自团队论文，尚未获得独立复现。从业务角度看，高德此前已围绕三维城市做过世界模型工作，此次开源补上了具身智能一环，也为机器人在巡检、物流等开放场景中执行全身协调任务提供了一条以人类数据为中心的路径。