高德全量开源ABot-M0：全球首个统一架构的具身操作基座模型

近日高德宣布正式全量开源ABot-M0——全球首个基于统一架构的机器人具身操作基座模型可实现一个“通用大脑”适配多种形态的具身机器人。据悉该模型在Libero、Libero-Plus、RoboCasa等多个权威基准测试中实现SOTA。其中在Libero-Plus基准上该模型的任务成功率达80.5%较业界此前的标杆方案Pi0提升近30%。ABot-M0模型架构图此次ABot-M0的开源涵盖数据、算法与模型三大维度旨在突破数据孤岛与部署难点为具身智能领域提供前沿的空间理解能力以及开箱即用的通用技术基座。数据层面ABot-M0开源了目前规模最大的通用机器人数据集UniACT整合超过600万条真实操作轨迹并提供从原始异构数据到标准化训练数据的全流程处理管线。 通过统一动作表示、坐标系与控制频率该数据集让分散全球的异构机器人数据能够统一使用大幅提升预训练效率。算法层面ABot-M0同步开源了模型架构与训练框架其中包含高德创新提出的动作流形学习AML算法与双流感知架构。 AML摒弃传统噪声干扰的预测方式让模型直接预测物理上可行的动作序列而不是反复试错显著提升解码效率与策略稳定双流感知架构不仅利用 VLM (Qwen3-VL) 提供高级语义理解还允许通过一个“即插即用”的 3D 模块如 VGGT注入几何先验增强模型的空间理解能力无需修改骨干网络即可弥补标准VLM在3D推理上的短板。模型层面ABot-M0一并开源了端到端的预训练模型与完整工具链开发者无需从零搭建训练框架即可快速适配工业、家庭等场景。统一架构验证了一个大脑驱动多种形态的可行性为通用大脑专用躯体的产业标准形成提供了实证支撑。ABot-M0在Libero-Plus的评测结果面向真实世界的空间理解本身就是机器人的核心能力。而ABot-M0此次开源标志着高德实质性参与到了全球具身智能社区的发展过程中为后续技术标准的演进贡献了全新思路。我们相信真正的通用具身智能不是闭门造车的产物而是全球开发者共同打磨的结果。高德ABot-M0技术负责人表示期待ABot-M0成为连接学术研究与产业应用的桥梁让每一台机器人都能拥有聪明、可靠、通用的大脑。