阿里巴巴旗下地图与本地服务部门高德（Amap）与阿里巴巴 ATH 业务组发布了 Lambda-0，这是一个全身人形基础模型，它基于人类第一人称数据训练，而不是机器人遥操作记录。该消息于 2026 年 10 月 24 日由 Pandaily 报道，AI Affairs 进行了转载。其核心思路是改变学习来源：不再只用机器人自身演示来教机器人，而是使用人们日常完成任务的记录。
据报道，研究团队采集了 500 小时的视频、身体动作和手部动作数据，数据来自在日常空间佩戴消费级设备的人，采集期间现场没有任何机器人。训练分三个阶段：先是手部交互，再是全身协调，最后是人形机器人控制。为了处理人体与机器人身体之间的差异，该方法采用视角匹配，以及从粗大动作到精细动作的调整，包括机器人手部与物体接触点上的误差。
公布的数据来自团队自身，尚未得到独立复现，阅读时应注意这一前提。在七项全身和较长移动操作任务中，团队报告称，在未对机器人进行额外针对性训练的情况下，将 Lambda-0 迁移到 Unitree G1 的成功率为 62.5%，比最强基线高 22.5 个百分点。在仿真中，团队报告在 SIMPLE 基准上的成绩约为 90%。据报道，代码已在 GitHub 上以 Apache 2.0 许可发布，并附有 arXiv 论文。
其实用意义在于同时结合行走与操作的任务，例如一边行走一边搬运物体穿过房间，这需要行走与抓取同时进行。如果该方法在实验室之外得到证实，从人类视频中学习有望减少在实体机器人上采集演示的高成本和耗时。不过目前得到确认的只是所报道的发布和团队公布的结果，而非独立验证，也不是家庭或工厂中的即时应用。
图片来源：展会上的 Unitree G1，Sayanesy 拍摄，CC0，经 Wikimedia Commons 发布，载于 Humanoid Review 索引。图片展示的是报告测试中使用的 G1 平台，而非 Lambda-0 模型本身。
来源: AI Affairs, com base em reportagem da Pandaily e Humanoid Review (índice de robôs humanoides, foto do Unitree G1).
透明度说明：本文借助人工智能辅助制作，基于对 X 公开帖文和网络来源的交叉核查。分享前请查阅原始来源以确认细节。
Muse
