Amap, Alibabas Einheit für Karten- und lokale Dienste, und Alibabas ATH-Geschäftsgruppe haben Lambda-0 veröffentlicht, ein ganzkörperliches humanoides Basismodell, das anhand menschlicher Ego-Daten trainiert wurde, statt anhand von Teleoperationsaufzeichnungen von Robotern. Die Information wurde am 24. Oktober 2026 in einem Bericht von Pandaily veröffentlicht, über den AI Affairs berichtete. Die zentrale Idee ist, die Lernquelle zu ändern: Statt dem Roboter nur anhand von Demonstrationen beizubringen, die am Roboter selbst gemacht wurden, nutzt das Team Aufzeichnungen von Menschen bei alltäglichen Aufgaben.
Laut dem Bericht sammelte das Team 500 Stunden Video-, Körperbewegungs- und Handaktionsdaten von Menschen, die Consumer-Geräte in alltäglichen Räumen trugen, ohne dass während der Datenerhebung ein Roboter anwesend war. Das Training erfolgte in drei Stufen: zuerst Handinteraktionen, dann die Koordination des ganzen Körpers und schließlich die Steuerung eines Humanoiden. Um den Unterschied zwischen menschlichem Körper und Roboterkörper zu bewältigen, nutzt die Methode Blickwinkelabgleich und eine Anpassung von groben zu feineren Bewegungen, einschließlich Fehlern an der Stelle, an der die Hände des Roboters Objekte berühren.
Die veröffentlichten Zahlen stammen vom Team selbst und wurden bisher nicht unabhängig reproduziert; sie sollten mit diesem Vorbehalt gelesen werden. Bei sieben ganzkörperlichen und längeren mobilen Manipulationsaufgaben meldet das Team eine Erfolgsquote von 62,5 % bei der Übertragung von Lambda-0 auf einen Unitree G1 ohne zusätzliches roboterspezifisches Training, 22,5 Prozentpunkte über der stärksten Baseline. In der Simulation meldet das Team etwa 90 % beim SIMPLE-Benchmark. Laut dem Bericht ist der Code auf GitHub unter einer Apache-2.0-Lizenz verfügbar, zusammen mit einem Paper auf arXiv.
Das praktische Interesse liegt bei Aufgaben, die Fortbewegung und Manipulation verbinden, etwa das Durchqueren eines Raums mit einem getragenen Objekt, die gleichzeitiges Gehen und Handhaben erfordern. Sollte sich der Ansatz außerhalb des Labors bestätigen, könnte das Lernen aus menschlichen Videos die teure und zeitaufwendige Sammlung von Demonstrationen an physischen Robotern verringern. Vorerst ist jedoch nur der berichtete Release und die vom Team vorgestellten Ergebnisse bestätigt, keine unabhängige Validierung und kein sofortiger Einsatz in Haushalten oder Fabriken.
Bildnachweis: Unitree G1 auf einer Messe, Foto von Sayanesy, CC0, via Wikimedia Commons, wiedergegeben im Humanoid-Review-Index. Das Bild zeigt den G1, die in den berichteten Tests verwendete Plattform, nicht das Lambda-0-Modell selbst.
Quellen: AI Affairs, com base em reportagem da Pandaily e Humanoid Review (índice de robôs humanoides, foto do Unitree G1).
Transparenz: Dieser Artikel wurde mit Hilfe künstlicher Intelligenz erstellt, auf Grundlage des Abgleichs öffentlicher Beiträge auf X und von Quellen im Internet. Prüfen Sie die Originalquellen, um die Details vor dem Teilen zu bestätigen.
Muse
