高德近日宣布，其自主研发的具身操作基座模型ABot-M0已正式全量开源，旨在为不同形态的具身机器人提供统一的“通用大脑”解决方案。该模型通过开源数据、算法与模型三大核心模块，推动机器人技术向更高效、更灵活的方向发展。
在数据维度，ABot-M0开源了全球规模最大的通用机器人数据集UniACT，整合了超过600万条真实操作轨迹数据。这一数据集不仅覆盖了工业、家庭等多样化场景，还提供了从原始异构数据到标准化训练数据的全流程处理工具，显著降低了开发者获取高质量训练数据的门槛。
算法层面，高德创新提出了动作流形学习（AML）算法与双流感知架构，并同步开源了模型架构与训练框架。AML算法通过优化动作空间表示，提升了模型对复杂任务的泛化能力；双流感知架构则结合了空间与时间信息，增强了机器人对动态环境的适应性。
模型层面，ABot-M0开源了端到端的预训练模型及完整工具链，支持开发者直接调用预训练参数，无需从零搭建训练框架。这一设计使得模型能够快速适配工业搬运、家庭服务等多种场景，大幅缩短了开发周期。
根据权威基准测试数据，ABot-M0在Libero、Libero-Plus、RoboCasa等测试中均达到SOTA（State-of-the-Art）水平。其中，在Libero-Plus基准测试中，任务成功率达80.5%，较此前业界标杆方案Pi0提升近30%，展现了其在复杂任务执行中的显著优势。
