Lambda-0

Lambda-0（λ₀） 是阿里巴巴旗下高德（Amap）与阿里巴巴 Token Hub（ATH）团队联合发布并开源的人形机器人全身基础模型，主打"只用人类第一视角数据"学习全身行走与操作（loco-manipulation）。

论文为 arXiv 2610.18950，代码以 Apache 2.0 协议开源于 GitHub；Pandaily 于 2026 年 10 月 24 日报道了这次开源。名字中的 λ 形似汉字"人"，寓意从人类日常经验中学习。

核心思路

传统人形机器人训练依赖真机遥操作采集示范数据，成本高、扩展慢；而多数第一视角 VLA 模型只关注手和手臂，缺少躯干、姿态与行走信息。Lambda-0 采用无机器人（robot-free）的全身数据采集：采集者佩戴颈挂 GoPro、PICO 全身追踪器等消费级设备，在日常场景中自然完成任务。

HumanVerse-500 数据集

• 500 小时开放场景人类全身操作数据，32,993 段、8,700 万姿态帧、827 类任务
• 第一视角 RGB 视频 + 24 个身体关节 + 每只手 21 个关节（由视频重建）同步对齐
• 代表性任务单次示范约 29 秒，真机约 100 秒，采集效率约 3.4 倍

三阶段训练

1. 手部交互预训练：在 7 个第一视角人类数据集上学习物体交互与手部动作
2. 机器人对齐的全身人类数据中训练：把人类示范转换到机器人的观测与动作空间（视角匹配、合成 G1 手臂、粗到细的动作对齐）
3. 机器人后训练：用任务对齐的人类示范与真机示范做最终落地

结果（来自论文，尚未独立复现）

• 在 Unitree G1（配 BrainCo Revo2 灵巧手，SONIC 全身控制器）上真实任务成功率 62.5%（25/40），比最强基线 π₀.₅（40%）高 22.5 个百分点；任务进度 80.4%
• SIMPLE 仿真基准成功率 90.0%
• 增加人类全身数据量可持续提升真机表现

如何使用 / 关注

• 项目主页：lambdahumanoid.github.io（含演示视频与数据集介绍）
• 论文：arXiv 2610.18950《λ₀: Scaling Open-World Egocentric Human Data for Humanoid Loco-Manipulation》
• 代码：GitHub 开源，Apache 2.0 许可
• 部署形态：策略输入机器人头部相机图像、语言指令与本体感知，输出全身动作 token 与手部指令，由 SONIC 执行全身运动；人体追踪只在数据采集时使用

适合谁

• 研究人形机器人全身操作、VLA 与人类视频迁移学习的研究者
• 关注低成本扩展机器人训练数据的具身智能团队

相关工作：EgoHumanoid-V2、EgoAlign。具体代码与权重以官方仓库为准。