高德近日宣布，全球首个基于统一架构的机器人具身操作基座模型ABot-M0正式全量开源。这一突破性成果通过构建“通用大脑”，实现了对多种形态具身机器人的适配，为具身智能领域提供了全新的技术范式。
在性能验证方面，ABot-M0在Libero、Libero-Plus、RoboCasa等多个国际权威基准测试中均取得最优表现（SOTA）。特别是在Libero-Plus测试中，该模型以80.5%的任务成功率领先行业，较此前标杆方案Pi0提升近30个百分点，展现出显著的技术优势。
数据建设层面，高德开源了全球规模最大的通用机器人数据集UniACT。该数据集整合超过600万条真实操作轨迹，通过统一动作表示、坐标系与控制频率，构建了从原始异构数据到标准化训练数据的完整处理管线。这种标准化处理方式有效解决了全球异构机器人数据的兼容性问题，使预训练效率得到大幅提升。
算法创新方面，模型架构与训练框架同步开源。其中动作流形学习（AML）算法突破传统试错模式，通过直接预测物理可行动作序列，显著提升了解码效率与策略稳定性。双流感知架构则通过融合VLM（Qwen3-VL）的高级语义理解与3D几何模块（如VGGT）的几何先验，在保持骨干网络不变的前提下，有效弥补了标准视觉语言模型在三维空间推理方面的不足。
模型层面，端到端预训练模型与完整工具链的开源，使开发者无需从零构建训练框架即可快速适配工业、家庭等多样化场景。统一架构的验证表明，“通用大脑+专用躯体”的技术路径具有可行性，为行业技术标准的形成提供了重要实证支撑。这一开源举措将有效降低具身智能领域的技术门槛，推动产业生态的快速发展。
