高德全量開源ABot-M0：全球首個統(tǒng)一架構的具身操作基座模型

近日，高德宣布正式全量開源ABot-M0——全球首個基于統(tǒng)一架構的機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)的具身機器人。

據悉，該模型在Libero、Libero-Plus、RoboCasa等多個權威基準測試中實現(xiàn)SOTA。其中在Libero-Plus基準上，該模型的任務成功率達80.5%，較業(yè)界此前的標桿方案Pi0提升近30%。

ABot-M0模型架構圖

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

數(shù)據層面，ABot-M0開源了目前規(guī)模最大的通用機器人數(shù)據集UniACT，整合超過600萬條真實操作軌跡，并提供從原始異構數(shù)據到標準化訓練數(shù)據的全流程處理管線。通過統(tǒng)一動作表示、坐標系與控制頻率，該數(shù)據集讓分散全球的異構機器人數(shù)據能夠統(tǒng)一使用，大幅提升預訓練效率。

算法層面，ABot-M0同步開源了模型架構與訓練框架，其中包含高德創(chuàng)新提出的動作流形學習（AML）算法與雙流感知架構。AML摒棄傳統(tǒng)噪聲干擾的預測方式，讓模型直接預測物理上可行的動作序列，而不是反復試錯，顯著提升解碼效率與策略穩(wěn)定；雙流感知架構，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，增強模型的空間理解能力，無需修改骨干網絡，即可彌補標準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訓練模型與完整工具鏈，開發(fā)者無需從零搭建訓練框架即可快速適配工業(yè)、家庭等場景。統(tǒng)一架構驗證了"一個大腦驅動多種形態(tài)"的可行性，為"通用大腦+專用軀體"的產業(yè)標準形成，提供了實證支撐。

ABot-M0在Libero-Plus的評測結果

面向真實世界的空間理解，本身就是機器人的核心能力。而ABot-M0此次開源，標志著高德實質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)技術標準的演進貢獻了全新思路。

"我們相信，真正的通用具身智能不是閉門造車的產物，而是全球開發(fā)者共同打磨的結果。"高德ABot-M0技術負責人表示，"期待ABot-M0成為連接學術研究與產業(yè)應用的橋梁，讓每一臺機器人都能擁有聰明、可靠、通用的'大腦'。"