这就不得不提高德最近公布的ABot-M0了。这可是全球头一个统一架构的机器人具身操作基座模型，把这个模型的通用性发挥到了极致。咱们来聊聊这个模型表现到底有多牛。在Libero、Libero-Plus、RoboCasa这些权威测试里头，它全都是SOTA水平。具体来说，在Libero-Plus上，它的任务成功率达到了80.5%，比业界之前的标杆Pi0足足高出了近30%。这效果简直太明显了！ 这次开源包含了数据、算法还有模型这三大块。高德想解决数据孤岛和部署难的问题，直接给大伙儿一个“开箱即用”的通用基座。数据层面，他们给咱们带来了UniACT这个超大规模数据集。这个数据集整合了超过600万条真实操作轨迹，而且还提供了从原始数据到标准训练数据的一整套处理流程。最关键的是，他们用统一的动作表示、坐标系还有控制频率把全球这些乱七八糟的机器人数据给统一了起来，训练效率一下子就上去了。 算法方面他们也没藏着掖着。动作流形学习（AML）算法是高德自己弄出来的新技术，直接预测物理上可行的动作序列，再也不用像以前那样瞎猜试错了。解码效率和策略稳定度都提升了不少。另外他们还用了双流感知架构：一个用Qwen3-VL这种VLM来做语义理解，另一个是个即插即用的3D模块（比如VGGT）来注入几何先验。这就让标准VLM在3D推理上的短板给补上了。 模型层面也很给力。ABot-M0开源了预训练模型和工具链，开发者不用从头搭建训练框架就能快速适配各种场景。 统一架构验证了“一个大脑驱动多种形态”的可能性。高德表示这次开源就是为了把自己融入全球具身智能社区里去。他们相信真正的通用具身智能得靠全球开发者一起打磨才行。“我们希望ABot-M0能成为学术和产业之间的桥梁，”高德技术负责人说道，“让每一台机器人都拥有聪明、可靠、通用的‘大脑’。”