AnswersPublished17 sources
Lambda-0 lærer robotter at bevæge sig som mennesker – med 500 timers data
Lambda 0 er en model til humanoide robotter, der skal koordinere gang, kropsstilling og håndtering af genstande. HumanVerse dataene er indsamlet uden robotter, men den samlede træning omfatter også robotrelaterede trin.
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer
Key takeaways
- Lambda 0 er en model til humanoide robotter, der skal koordinere gang, kropsstilling og håndtering af genstande.
- HumanVerse dataene er indsamlet uden robotter, men den samlede træning omfatter også robotrelaterede trin.
- Forskerne rapporterer 90,0 procent succes i SIMPLE simuleringen og 62,5 procent i forsøg med en fysisk robot.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Lambda-0, the whole-body humanoid foundation model released by Amap, Alibaba’s mapping and location unit, and its ATH business group. Article summary: Lambda-0 (λ0) is a humanoid foundation model from Amap and Alibaba’s ATH group that learns coordinated movement and manipulation from human demonstrations; its release was reported on October 24, 2026. [4][7][50] Its cen. Topic tags: general, academic, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, char
Lambda-0 (λ₀) er en model fra Amap, Alibabas kort- og lokationstjeneste, og Alibaba-gruppen ATH. Den er udviklet til at få humanoide robotter til at koordinere bevægelse og håndtering af genstande – for eksempel at gå hen til noget, ændre kropsstilling og samle det op. 1
4
I stedet for kun at lære af isolerede håndbevægelser bruger modellen menneskers erfaring fra førstepersonsvideo, der er synkroniseret med bevægelser af krop og hænder. Til projektet har forskerne udviklet datasættet HumanVerse, som rummer 500 timers menneskelig bevægelse og håndtering i åbne miljøer. 1
Fra håndbevægelser til hele kroppen
Mange robotopgaver kræver mere end en hånd, der kan gribe. Robotten skal måske gå hen til en genstand, dreje sig, bøje sig og bruge hænderne – i den rigtige rækkefølge. Lambda-0 er udviklet til denne kombination af bevægelse og manipulation, som forskerne kalder loco-manipulation. 1
4
Førstepersonsvideoen viser, hvad personen ser, mens bevægelsesdataene registrerer, hvordan kroppen og hænderne bevæger sig. Når de to typer information kobles, kan modellen lære sammenhænge mellem kropsstilling, forflytning og handlinger med hænderne, frem for kun at fokusere på arm- og håndbevægelser. 1
HumanVerse: 500 timer menneskelig erfaring
HumanVerse samler 500 timers menneskelig bevægelse og håndtering af genstande. Ifølge forskningsartiklen er førstepersonsvideoen synkroniseret med bevægelser af både krop og hænder. 1
Dataene er indsamlet uden, at en person skulle fjernstyre en robot under optagelserne. Det kan mindske afhængigheden af robotdemonstrationer, når menneskelig erfaring skal indsamles. Men det betyder ikke, at hele modellens træning foregår uden robotdata eller robottræning. 1
13
Træningen omfatter også robottrin
Det er vigtigt at skelne mellem, hvordan HumanVerse-dataene indsamles, og hvordan Lambda-0 trænes samlet set. Forskningsartiklen beskriver fortræning på menneskelig erfaring, et mellemtrin med menneskedemonstrationer tilpasset robotten og efterfølgende træning med robot. 1
13
Derfor er formuleringen »indsamlet uden robotter« ikke det samme som »trænet udelukkende uden robotdata«. Tilsvarende bør en rapporteret overførsel til en robot uden yderligere træning ikke forveksles med en træningsproces, der slet ikke indeholder robotrelaterede trin. 1
8
13
Resultaterne – med forbehold
Forskerne rapporterer en succesrate på 90,0 procent i SIMPLE, deres simuleringsmiljø, og 62,5 procent i forsøg med en fysisk robot. Tallene stammer fra holdets egne evalueringer og er ikke en uafhængig vurdering. 1
Kilderne er ikke enige om, hvor mange opgaver der indgik i forsøgene med den fysiske robot: én omtaler syv opgaver, mens en anden beskriver fire. Derfor er det mest præcist at omtale de 62,5 procent som det rapporterede samlede resultat uden at knytte det sikkert til et bestemt antal opgaver. 8
11
Forskerne skriver også, at mere menneskedata med helkropsbevægelser løfter modellens fremgang på efterfølgende opgaver. Det peger på, at datatypen var nyttig i deres forsøg, men dokumenterer ikke i sig selv, at modellen fungerer pålideligt i alle miljøer. 1
Kode og uafhængig efterprøvning
Forskningsartiklen er offentliggjort på arXiv, og projektets kode ligger på GitHub under Apache 2.0-licensen. Det gør det lettere for andre at undersøge og forsøge at gentage arbejdet, men er ikke det samme som, at resultaterne allerede er blevet bekræftet uafhængigt. 1
10
13
De tilgængelige kilder oplyser, at resultaterne endnu ikke er reproduceret uafhængigt. Lambda-0 er derfor en interessant tilgang til at overføre menneskelig erfaring til humanoide robotter, men de rapporterede resultater bør ses som foreløbige – ikke som bevis på, at robotter nu kan arbejde selvstændigt i alle slags situationer. 8
17
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Lambda-0 lærer robotter at bevæge sig som mennesker – med 500 timers data"?
Lambda 0 er en model til humanoide robotter, der skal koordinere gang, kropsstilling og håndtering af genstande.
What are the key points to validate first?
Lambda 0 er en model til humanoide robotter, der skal koordinere gang, kropsstilling og håndtering af genstande. HumanVerse dataene er indsamlet uden robotter, men den samlede træning omfatter også robotrelaterede trin.
What should I do next in practice?
Forskerne rapporterer 90,0 procent succes i SIMPLE simuleringen og 62,5 procent i forsøg med en fysisk robot.