高德宣布全量开源具身操作基座模型 ABot-M0，可实现一个“通用大脑”适配多种形态具身机器人

4 月 1 日消息，高德昨日宣布正式全量开源 ABot-M0，官方称这是全球首个基于统一架构的机器人具身操作基座模型，可实现一个“通用大脑”适配多种形态的具身机器人。

据介绍，该模型在 Libero、Libero-Plus、RoboCasa 等多个权威基准测试中实现 SOTA。其中在 Libero-Plus 基准上，该模型的任务成功率达 80.5%，较业界此前的标杆方案 Pi0 提升近 30%。

官方称，此次 ABot-M0 的开源涵盖数据、算法与模型三大维度，旨在突破数据孤岛与部署难点，为具身智能领域提供前沿的空间理解能力，以及“开箱即用”的通用技术基座。

数据层面，ABot-M0 开源了目前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，并提供从原始异构数据到标准化训练数据的全流程处理管线。通过统一动作表示、坐标系与控制频率，该数据集让分散全球的异构机器人数据能够统一使用，大幅提升预训练效率。

算法层面，ABot-M0 同步开源了模型架构与训练框架，其中包含高德创新提出的动作流形学习（AML）算法与双流感知架构。AML 摒弃传统噪声干扰的预测方式，让模型直接预测物理上可行的动作序列，而不是反复试错，显著提升解码效率与策略稳定；双流感知架构，不仅利用 VLM (Qwen3-VL) 提供高级语义理解，还允许通过一个“即插即用”的 3D 模块（如 VGGT）注入几何先验，增强模型的空间理解能力，无需修改骨干网络，即可弥补标准 VLM 在 3D 推理上的短板。

模型层面，ABot-M0 一并开源了端到端的预训练模型与完整工具链，开发者无需从零搭建训练框架即可快速适配工业、家庭等场景。统一架构验证了 " 一个大脑驱动多种形态 " 的可行性，为 " 通用大脑 + 专用躯体 " 的产业标准形成，提供了实证支撑。

附项目资源：

论文标题：ABot-M0: VLA Foundation Model for Robotic Manipulation with Action Manifold Learning

项目主页：https://amap-cvlab.github.io/ ABot-Manipulation

代码地址：https://github.com/ amap-cvlab / ABot-Manipulation

论文全文：https://arxiv.org/ pdf/2602.11236