全球具身智能领域迎来重要突破——高德正式宣布全量开源ABot-M0，这是全球首个基于统一架构的机器人具身操作基座模型。该模型通过构建"通用大脑"系统，实现了对多种形态具身机器人的适配能力，为行业提供了可复用的技术基座。
在权威基准测试中，ABot-M0展现出显著优势。该模型在Libero-Plus测试中取得80.5%的任务成功率，较前代标杆方案Pi0提升近30个百分点。在RoboCasa等国际主流测试平台同样达到SOTA（最优技术水平），验证了其跨场景操作能力的可靠性。测试数据显示，模型在复杂环境下的物体抓取、路径规划等核心任务中表现尤为突出。
开源体系涵盖三大核心维度：数据层面构建了全球规模最大的UniACT通用机器人数据集，整合超过600万条真实操作轨迹，通过统一动作表示体系破解异构数据兼容难题；算法层面创新提出动作流形学习（AML）与双流感知架构，前者通过直接生成物理可行动作序列提升解码效率，后者通过3D几何模块与视觉语言模型（VLM）的协同工作增强空间理解能力；模型层面提供完整的预训练框架与工具链，支持工业场景的机械臂操作与家庭服务机器人的移动导航等多样化应用。
技术突破集中体现在两大创新算法。动作流形学习（AML）突破传统试错式预测模式，通过构建动作空间流形结构实现高效解码，使策略稳定性提升40%以上。双流感知架构采用模块化设计，在保持Qwen3-VL骨干网络不变的前提下，通过可插拔的3D几何模块（如VGGT）注入空间先验知识，有效弥补视觉语言模型在三维推理方面的不足。这种设计既保证了高级语义理解能力，又强化了物理空间感知精度。
该模型的开源具有显著产业价值。统一架构验证了"通用大脑+专用躯体"技术路线的可行性，为制定行业技术标准提供实证依据。开发者可基于预训练模型快速构建垂直领域解决方案，避免重复开发训练框架。数据集提供的标准化处理管线，使不同厂商的机器人数据能够跨平台复用，预计可将预训练周期缩短60%以上。目前已有多家机器人企业启动基于ABot-M0的二次开发，涵盖智能制造、物流仓储、医疗护理等多个领域。
