λ0 – 高德与阿里巴巴 ATH 推出的全身移动操作人形机器人基座模型

λ0 是一款由高德与阿里巴巴 ATH 事业群于 2026 年 10 月推出的人形机器人全身移动操作基座模型，它的做法是只用人类第一视角采集的全身动作数据训练，让机器人获得移动、姿态与双手操作的协同能力，支持零样本迁移到真机，适用于开放环境中的长程搬运、台面整理与跨房间取放等场景。

λ0 的核心能力

λ0 的链路分成数据记录、人机对齐与三阶段训练三部分，部署阶段只保留策略网络需要的三路输入。

按 24 个身体关节与每手 21 个关节记录全身动作

采集时由佩戴式追踪设备记录 24 个身体关节，覆盖全局位移、姿态与躯干协调；双手由图像估计模块重建每手 21 个关节的手部几何。头部佩戴颈挂式相机采集第一视角画面，机位高度按机器人相机位置设定，画面保留动作所需的物体与场景上下文。三类信号在同一时间轴上同步，形成「第一视角视频＋全身骨架＋双手关节」的记录，这一形态在具身模型里较少见，同类梳理见 AI 模型 分类。

没有机器人本体也能采集示范数据

采集者只需佩戴消费级设备，按任务流程在真实环境里操作，机器人不必到场。官方给出的单条示范耗时分两类：全身操作类约 70 秒对 33 秒，长程移动操作类约 130 秒对 25 秒；两类等权平均后约 100 秒对 29 秒，采集吞吐约为本体采集的 3.4 倍。除中训数据外，团队另留 600 条任务对齐示范专供第三阶段，不计入 500 小时数据池。

把人类动作对齐后转成机器人指令

对齐分三步：观测侧把第一视角相机与机器人相机对齐；动作侧先修正人类参考动作，再通过全身逆运动学与 SONIC rollout 拟合机器人参考动作；最后由动力学感知的优化环节修正末端接触偏差。对齐后的数据按三阶段训练进入模型：第一阶段在七个第一视角人类数据集上预训练，第二阶段用 HumanVerse 的全身人类数据做中训，第三阶段用任务对齐示范与真机示范做后训练，把共享表征落到可执行的人形动作上。

部署时只读取相机、指令与本体感知

运行阶段策略网络的输入是机器人相机图像、语言指令与本体感知，输出为全身运动 token 与手部指令，躯干动作交由 SONIC 执行，人类动捕设备不进入部署链路。同一套策略在 Unitree G1 上完成零样本迁移，测试机型配 BrainCo Revo 2 手部与头戴相机；官方零样本进度为长程移动操作 76.2％、全身移动操作 51.7％。

λ0 与同类人形机器人基座模型的对比

下表把 λ0 与站内已收录的两款人形机器人基座模型放在一起，按出品方、发布时间、定位、数据规模、采集方式、落地结果与开放程度七项对照。三者路线不同：λ0 以人类第一视角数据为主，Helix 2.5 依托自有本体体系的行为数据集，UnifoLM-WLA-1.0 以真机遥操数据为主。

上表 λ0 一列取自高德官方发布稿与项目主页，另两列取自 Figure 与宇树各自官方说明。采集方式是三款产品最根本的分野：λ0 的示范数据由人佩戴设备采得，机器人不参与采集，另两款都离不开本体。这一点决定了数据规模的可复制性，只有无需本体的一条能靠投入人数扩张。开放程度上，λ0 给出的是硬件配置代码与数据样例，适合先验证路线再决定是否配置本体。

λ0 技术报告另给出与 GR00T N1.6、Ψ₀、StarVLA、π₀.₅ 的真机对照，协议为四任务、每种方法 40 次试验：成功率依次为 7.5％、10.0％、27.5％、40.0％，任务进度为 21.3％、31.8％、54.6％、54.0％。该组数据与上表不同源，不与上表数值合并比较。

同一赛道上还有以视觉—语言—动作为主线的路线，可以对照 Qwen-VLA（阿里通义推出的通用视觉语言动作具身模型，以指令驱动机器人完成操作任务），它代表的更多是固定站位下的桌面操作，与 λ0 的全身移动操作分工不同。

λ0 的应用场景与适用人群

官方演示覆盖实验室、茶水间与访客中心三类空间，任务集中在需要移动与双手配合的日常操作：

• 跨房间搬运：把纸箱、饮料、餐具或背包从一个房间搬到另一处的柜子与货架。
• 台面与柜体整理：擦拭台面与微波炉、把物品归入收纳篮、整理桌面与抽屉。
• 长程移动操作：走到目标位置后完成推车、开合柜门、踩踏垃圾桶等带位移动作。

适用人群：适合已有人形机器人本体、希望用人类数据压低采集成本的团队，以及研究全身移动操作与跨本体迁移的实验室；只需要固定站位的桌面抓取、且已有真机数据管线的项目，专用桌面操作模型更直接。

高德在空间智能上另有一条线，站内拆解过城市级世界模型 ABot-Earth 0.7，它做的是场景重建与生成，与 λ0 的本体动作不在同一层，同时使用时分工清楚。

λ0 的使用方法

官方给了三条路径：项目主页看演示与数据、开源仓库配置采集硬件、按技术报告接入训练与部署，按研究进度依次使用。

项目主页：看真机录像与数据回放

1. 打开 λ0 项目主页，页首导航按 Overview、Demos、Data、Method、Results 分区。
2. 在 Demos 区选择实验室、茶水间或访客中心，对照人类示范、对齐执行与未对齐回放。
3. 在 Data 区打开 HumanVerse 同步回放，核验画面与骨架是否同一时间轴。

开源仓库：先把采集端配起来

1. 克隆 LambdaHumanoid/openlambda 仓库，仓库采用 Apache-2.0 授权。
2. 按仓库说明准备颈挂相机与佩戴式追踪设备，相机高度按机器人相机位置设定。
3. 先采一条短程任务，核对画面与骨架时间戳同步后再扩量。

训练与部署：按三阶段流程接入

1. 取回技术报告，确认三阶段的数据配比与训练预算。
2. 整理对齐后的全身数据，600 条任务对齐示范须单独留出。
3. 在 Unitree G1 上完成后训练，部署时确认输入只有相机图像、语言指令与本体感知。

数据样例托管在 Hugging Face，访问需要登录授权，未登录请求会返回 401；公开仓库给的是采集硬件配置代码，不含模型权重。采集环节对相机高度与设备佩戴位置较敏感，改动后建议重新核对一次对齐结果再扩量。

把模型输出接到真机执行层时，可参照 Open-RAIL 这类 VLA 推理与机器人执行连接中间件，它解决推理服务与执行器的对接，与 λ0 的模型本身互补。

λ0 的项目地址

• 项目主页：https://lambdahumanoid.github.io/
• GitHub 仓库：https://github.com/LambdaHumanoid/openlambda
• 技术报告：https://arxiv.org/abs/2610.18950
• HumanVerse 数据样例：https://huggingface.co/datasets/lambda-humanoid/HumanVerse-500-sample

λ0 的价格与开源情况

λ0 目前不对外销售，官方没有公布调用或授权价格。公开材料里可查到的是获取方式：采集硬件配置代码以 Apache-2.0 在 GitHub 开源，HumanVerse-500 提供数据样例，模型权重尚未发布，因此现阶段既没有 API 计费，也没有本地部署的授权费用口径。开源范围集中在硬件与数据两侧，不含权重，训练与推理需按技术报告自行实现。

λ0 的常见问题