阿里Amap发布λ0人形机器人全身技能模型

阿里巴巴旗下高德（Amap）与Alibaba Token Hub联合推出基础模型λ0，目标是让人形机器人从人类演示中学习全身协调运动与操作技能。该系统希望减少对机器人遥操作数据的依赖，使机器人能够通过人类第一视角视频和动作记录获得可迁移的行为能力。

λ0的核心训练信号来自第一视角视频，并与人体和手部动作同步采集。这样的数据既记录人在环境中看到的画面，也记录人如何转身、伸手、抓取和处理物体。研究团队希望把感知与动作连接起来，并迁移到人形机器人平台上。

团队表示，λ0可以把行走、姿态调整和双手操作组合到较长的任务序列中。它不再把移动和操作完全分开，而是训练机器人在同一任务中协调腿部、躯干和手臂。对于家庭、仓储或服务场景，这种能力很重要，因为机器人往往需要先移动到物体附近，调整身体位置，再用双手完成任务。

为支撑训练，研究人员构建了HumanVerse数据集，包含500小时人们在真实环境中活动的记录。该数据集被描述为记录真实环境中的日常人类行为，为模型提供更广泛的演示来源，帮助其学习人如何移动并与物体互动。

这项工作的主要动机之一是降低机器人遥操作采集演示的成本。遥操作可以产生高质量机器人数据，但速度慢、成本高，并受机器人和操作员数量限制。人类演示则可以通过可穿戴或手持设备采集，再用于训练可泛化的策略。

在团队评估中，λ0在真实世界移动与操作任务上取得62.5%的成功率。这说明模型能够完成相当一部分需要移动和物体操作相结合的复合任务。不过，这一成功率也表明，从人类视频学习人形机器人全身控制仍是活跃的研究问题，而非已经解决的能力。

项目已公开数据采集硬件配置代码和样本数据。团队希望其他实验室更容易复现采集设置，并基于样本数据开展实验。通过同时开放硬件配置和样本数据，项目为人类到机器人技能迁移研究提供了一个起点。

λ0属于具身智能基础模型探索的一部分，即让机器人从大规模人类数据中学习，而不是依赖手工编写的固定程序。其潜在优势是单一模型可以获得可复用技能，并在新序列中组合使用。挑战在于，人类视频中学到的技能映射到传感器、关节和物理限制不同的机器上时，仍需保持稳健。

研究团队将这项工作视为通往人形智能的数据中心化路径。与其为每项技能手工编写程序，不如让模型从大量人类示例中推断模式，再适配到机器人本体。这种方法高度依赖数据质量、同步精度和任务覆盖范围。

对Amap而言，该项目也反映出导航、地图与机器人技术之间日益紧密的联系。Amap以位置服务和路线规划见长，而这些能力对需要在真实环境中移动的机器人十分重要。Alibaba Token Hub的参与则表明，阿里巴巴正在关注具身系统所需的数据和模型基础设施。

λ0的发布并未宣称实现完全自主或大规模部署。它更像一个研究方向：利用人类第一视角视频和同步动作数据教人形机器人复合技能，在真实任务中评估，并公开工具供进一步研究。62.5%的成功率和HumanVerse数据集为后续模型与数据管线改进提供了基线。

目前公开材料主要聚焦数据采集与评估，而非商业化机器人产品。这一定位使λ0仍处于研究阶段，公开代码和样本数据旨在支持可复现性和外部基准测试。该项目以“Alibaba λ0 project”名义发布。