全球具身智能领域迎来重大突破——高德正式宣布全量开源ABot-M0，这是全球首个基于统一架构的机器人具身操作基座模型。该模型通过构建"通用大脑"，实现了对多种形态具身机器人的适配，为行业提供了全新的技术范式。
在权威基准测试中，ABot-M0展现出显著优势。该模型在Libero、Libero-Plus、RoboCasa等测试中均达到SOTA（最优状态）水平，其中在Libero-Plus基准上的任务成功率高达80.5%，较此前行业标杆方案Pi0提升近30个百分点。这一突破性表现验证了统一架构在具身智能领域的可行性。
此次开源项目涵盖数据、算法、模型三大核心维度。数据层面，高德开源了全球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。该数据集通过统一动作表示、坐标系与控制频率，解决了异构机器人数据的兼容性问题，使分散在全球的机器人数据得以高效利用，预训练效率提升显著。
算法创新是ABot-M0的核心竞争力。高德提出的动作流形学习（AML）算法，摒弃了传统依赖噪声干扰的预测方式，直接生成物理可行的动作序列，大幅提升了解码效率与策略稳定性。同时，双流感知架构将VLM（Qwen3-VL）的高级语义理解能力与3D几何模块（如VGGT）的几何先验知识相结合，在保持骨干网络不变的情况下，弥补了标准VLM在3D空间推理方面的不足。
模型层面，ABot-M0开源了完整的端到端预训练模型与工具链。开发者可直接基于该框架进行二次开发，无需从零搭建训练系统，能够快速适配工业制造、家庭服务等多个应用场景。这种"通用大脑+专用躯体"的设计模式，为具身智能产业的标准化发展提供了重要实证支撑。
通过此次开源，高德旨在打破数据孤岛与技术壁垒，推动具身智能领域的技术共享与协同创新。该项目的实施不仅降低了行业研发门槛，更为全球开发者提供了前沿的空间理解能力与开箱即用的技术基座，有望加速具身智能技术的商业化落地进程。