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已实现全量开源。这一创新成果通过构建“通用大脑”，使不同形态的具身机器人能够共享同一套智能系统，为行业突破形态适配难题提供了全新范式。
在性能验证方面，ABot-M0在Libero-Plus等国际权威基准测试中刷新纪录，任务成功率达80.5%，较前代标杆方案提升近30个百分点。该模型在RoboCasa等场景化测试中也展现出显著优势，其空间操作精度与任务完成效率达到行业领先水平。
此次开源项目构建了完整的技术生态体系，涵盖数据集、算法框架与预训练模型三大核心模块。其中公开的UniACT数据集整合超过600万条真实操作轨迹，通过标准化处理管线将异构数据转化为统一训练资源，有效解决了行业长期存在的数据孤岛问题。该数据集采用统一动作表示体系，使不同机器人采集的数据能够跨平台复用，预训练效率提升达40%。
算法创新层面，高德团队提出的动作流形学习（AML）技术突破传统试错模式，通过直接生成物理可行动作序列，将策略稳定性提升35%。配套开发的双流感知架构创造性地融合视觉语言模型与3D几何模块，在保持骨干网络不变的前提下，使模型的空间推理能力提升28%，特别在复杂场景下的物体操作准确率达到92%。
开发者生态建设方面，ABot-M0提供完整的端到端工具链，支持快速部署至工业机械臂、服务机器人等不同形态设备。统一架构设计验证了“通用大脑+专用躯体”技术路径的可行性，为制定行业技术标准提供了重要实践依据。预训练模型支持零代码场景适配，开发者仅需调整末端执行器参数即可完成个性化定制。
项目技术负责人表示，此次开源标志着高德正式加入全球具身智能技术共建行列。通过开放核心专利技术，旨在吸引更多研究者参与完善通用智能框架，推动机器人技术从实验室走向真实应用场景。目前已有超过200家科研机构申请接入开发平台，涵盖智能制造、智慧物流等多个领域。
