全球具身智能领域迎来重大突破，高德公司正式宣布开源其自主研发的ABot-M0模型。作为全球首个基于统一架构的机器人具身操作基座模型，该系统通过单一"通用大脑"实现多形态机器人的协同控制，为行业提供了全新的技术范式。
在权威测试基准中，ABot-M0展现出显著优势。Libero-Plus测试数据显示，其任务完成率达到80.5%，较前代标杆方案提升近30个百分点。RoboCasa等国际主流测试平台也验证了该模型在复杂场景下的卓越性能，特别是在空间感知与动作规划方面达到行业领先水平。
此次开源项目覆盖数据、算法、模型三个核心维度。其中包含的UniACT数据集整合超过600万条真实操作轨迹，构建了全球规模最大的机器人操作数据库。该数据集通过标准化处理管线，将分散的异构数据转化为统一训练样本，使不同厂商的机器人数据得以互通共用，预训练效率提升40%以上。
算法创新方面，高德提出的动作流形学习（AML）技术突破传统预测模式。该算法直接生成物理可行的动作序列，避免反复试错带来的效率损耗，使策略稳定性提升25%。配套的双流感知架构采用模块化设计，在保留视觉语言模型（VLM）语义理解能力的同时，通过3D几何模块增强空间推理能力，形成互补的技术方案。
模型层面提供的完整工具链包含预训练模型与开发框架，开发者可直接调用核心组件进行场景适配。统一架构设计验证了"通用大脑+专用躯体"的技术路径可行性，为工业机器人、服务机器人等不同形态设备的协同开发奠定基础。测试显示，该模型在工业分拣、家庭服务等场景中表现出良好的迁移能力。
技术文档显示，开源项目包含从数据处理到模型部署的全流程解决方案。标准化数据接口支持多类型传感器接入，模块化算法架构允许开发者自由组合功能组件。这种设计理念显著降低了具身智能系统的开发门槛，加速技术成果向产业应用的转化进程。
