不用机器人到场也能采数据：高德λ0让人戴设备走一遍，宇树G1就学会边走边搬
阿里巴巴旗下高德发布全身基座模型λ0：采集者佩戴消费级设备就能录下全身动作数据，单条示范采集从约100秒缩到29秒，真机任务成功率比最强对比基线高22.5%。
教人形机器人干活，通常要先让人遥控机器人把动作做一遍。高德换了个思路：人自己戴上设备去干，机器人照着学。阿里巴巴集团旗下高德发布全身基座模型λ0，只靠人类的行动数据，就让机器人学会移动、姿态和双手操作的全身协调。
高德称λ0是首个基于开放世界行为的全身基座模型，要解决的是“局部学习”的问题。以往第一视角的VLA（视觉-语言-动作）基座模型，数据大多只记录手和手臂的交互，缺少关节、躯干和位姿等全身信息；任务一旦需要边走边搬，这种碎片化的数据就不够用了。
λ0的做法是“无本体全身数据采集”：采集者只需佩戴消费级设备，在日常环境里随走随采，不需要机器人到场。代表性任务的单条示范采集用时由约100秒缩短到29秒，效率约为原来的3.4倍。项目页显示，真机验证用的是宇树G1，配BrainCo Revo 2灵巧手和头戴GoPro相机。
靠这条管线，高德建成了包含500小时开放世界无本体全身数据的HumanVerse-500数据集。训练分手部交互、全身协调、人形本体三个阶段，逐步把人的经验转成机器人的全身控制指令；针对人和机器人身材不同、末端执行有偏差的问题，λ0在采集、处理和动作端加了视角匹配和“由粗到细”的动作对齐。
成绩方面，λ0在SIMPLE仿真基准和多项真机评测中取得SOTA（当前最佳）表现，真机任务成功率比最强对比基线高22.5%。在7项全身协调与长程移动操作任务上，它只凭人类行动数据就在真机上实现了零样本迁移。
更关键的一条是数据规模的效果：机器人示范数量不变时，人类全身数据越多，真实机器人的任务表现越好。换句话说，往后可以多攒人的数据，少花钱让机器人陪练。
λ0由高德和阿里ATH事业群共同完成，相关硬件配置代码已在GitHub开源，HumanVerse数据样例已上线Hugging Face。高德称，这套方法为机器人在巡检、物流等开放场景学习全身协调任务打下基础。