你让机器人从桌上拿起一件东西，它或许只需动手臂；但如果目标在房间另一头，它就得一边走、一边调整身体，到了桌前还要站稳再伸手。过去，这些动作常被拆开学习。高德与阿里 ATH 事业群发布的 λ0，想把移动、姿态和双手操作放进同一套全身基座模型里，让机器人学习完整的人类行为。
这项工作的另一个看点，是训练数据从哪里来。高德没有把采集完全绑在机器人本体上，而是尝试记录人在真实环境中的行动，再把这些经验对齐到机器人的身体。需要说明的是，目前关于 λ0 的性能与规模数据都来自高德官方供稿，尚无第二个独立信源交叉验证。
教机器人，不必先占用机器人
传统真机示范通常需要人遥控机器人，还要处理设备调试和任务复位。机器人数量有限，采集速度也就受限。λ0 采用“无本体”采集：采集者佩戴消费级设备，在日常环境中直接完成任务，不需要机器人同时到场。
项目仓库介绍，采集者把 GoPro 挂在颈部，使拍摄高度接近机器人头部摄像机；PICO 穿戴式追踪器记录身体 24 个关节，视频则用于重建手部 21 个关节。换句话说，采集现场更像一个人穿着追踪设备做家务，而不是工程师逐帧遥控机器人。λ0 名字中的希腊字母“λ”，轮廓也像汉字“人”，呼应了从人类动作中学习的路线。
据高德提供的数据，在一个代表性任务中，单条示范的采集时间从机器人本体采集的约 100 秒降至 29 秒，换算约为 3.4 倍效率。这个数字只对应代表性任务，不能直接理解为所有采集场景都能提速 3.4 倍。高德据此构建了 HumanVerse-500，包含 500 小时开放世界无本体全身数据。
难点不是模仿，而是“换一副身体”
人和机器人的关节数量、尺寸与运动范围并不相同。人伸手拿杯子的轨迹，不能原样复制给机器人。所谓“跨本体迁移”，就是把从人类或一种机器人身上学到的行为，转换给另一种身体结构。
λ0 在采集、数据处理和动作输出端加入视角匹配，以及“由粗到细”的动作对齐：先保留走到哪里、身体怎样配合等整体意图，再处理手部接触的精度。训练则分为手部交互、全身协调和人形本体三个阶段，逐步把人类经验转换成机器人控制指令。
这也解释了“全身基座模型”的含义：它不只控制机械臂，而是统一生成移动、躯干姿态和双手操作。其基础形式属于 VLA（视觉—语言—动作）模型，也就是把机器人看到的画面和收到的文字指令直接映射成动作；λ0 试图把动作输出从局部操作扩展到全身。
为什么值得关注
高德称，λ0 在 SIMPLE 仿真基准和多项真机评测中取得 SOTA，也就是当时测试范围内的最佳表现；但供稿没有披露具体指标、对比模型与统计波动。官方还称，其真机任务成功率较最强对比基线提升 22.5%，但没有说明这是百分点还是相对增幅。
在 7 项全身协调和长程移动操作任务中，高德称 λ0 仅凭人类行动数据实现了真机零样本迁移——即不再针对测试对象额外采集某类样本。不过，“零样本”具体指没有对应任务数据，还是没有对应机器人本体的真机训练数据，仍需技术报告进一步界定。另一组实验则显示，在机器人示范数量相同的条件下，增加人类全身数据与真机表现提升相关。两项实验的设置不同，不能据此推断整个训练过程完全没有使用机器人示范。
更值得看的，是这条路线背后的产业信号：地图与出行平台原本擅长处理开放世界中的空间和行为信息，如今开始把这种数据能力迁向具身智能。机器人数据不再只能由机器人生产，人类日常行动本身也可能成为可扩展的训练来源。
局限与未知
- 所有效果论断目前均来自高德，SOTA、22.5% 提升和零样本迁移都缺少完整实验细节及独立复现。
- 项目目前明确公开的是相关硬件配置代码和 HumanVerse 数据样例，不能据此认为模型权重、完整训练代码或 500 小时数据已经全部开放。
- 人类数据规模扩大与机器人表现提升之间的具体曲线、适用任务边界和失败案例，供稿均未披露。