高德近日宣布，其自主研發的具身操作基座模型ABot-M0已正式全量開源，旨在為不同形態的具身機器人提供統一的“通用大腦”解決方案。該模型通過開源數據、算法與模型三大核心模塊，推動機器人技術向更高效、更靈活的方向發展。
在數據維度，ABot-M0開源了全球規模最大的通用機器人數據集UniACT，整合了超過600萬條真實操作軌跡數據。這一數據集不僅覆蓋了工業、家庭等多樣化場景，還提供了從原始異構數據到標準化訓練數據的全流程處理工具，顯著降低了開發者獲取高質量訓練數據的門檻。
算法層面，高德創新提出了動作流形學習（AML）算法與雙流感知架構，并同步開源了模型架構與訓練框架。AML算法通過優化動作空間表示，提升了模型對復雜任務的泛化能力；雙流感知架構則結合了空間與時間信息，增強了機器人對動態環境的適應性。
模型層面，ABot-M0開源了端到端的預訓練模型及完整工具鏈，支持開發者直接調用預訓練參數，無需從零搭建訓練框架。這一設計使得模型能夠快速適配工業搬運、家庭服務等多種場景，大幅縮短了開發周期。
根據權威基準測試數據，ABot-M0在Libero、Libero-Plus、RoboCasa等測試中均達到SOTA（State-of-the-Art）水平。其中，在Libero-Plus基準測試中，任務成功率達80.5%，較此前業界標桿方案Pi0提升近30%，展現了其在復雜任務執行中的顯著優勢。
