RespuestasPublicado17 fuentes
Lambda-0 enseña a robots humanoides a moverse y manipular objetos a partir de datos humanos
Lambda 0 es un modelo para coordinar el desplazamiento y la manipulación de objetos en robots humanoides. Los datos de HumanVerse se recopilaron sin usar robots, pero eso no significa que todas las etapas de entrenamiento de Lambda 0 prescindan de datos o entrenamiento con robots.
Publicado porEditado con GPT-6 LunaImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- Lambda 0 es un modelo para coordinar el desplazamiento y la manipulación de objetos en robots humanoides.
- Los datos de HumanVerse se recopilaron sin usar robots, pero eso no significa que todas las etapas de entrenamiento de Lambda 0 prescindan de datos o entrenamiento con robots.
- El equipo reporta un 90 % de éxito en su entorno de simulación SIMPLE y un 62,5 % en pruebas con un robot real; son resultados del grupo y aún no se han reproducido de forma independiente.
Prompt de IA
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) es un modelo desarrollado por Amap, la unidad de mapas y localización de Alibaba, junto con el grupo ATH de la compañía. Está diseñado para que robots humanoides coordinen movimientos de todo el cuerpo con la manipulación de objetos. Para entrenarlo, el equipo creó HumanVerse, un conjunto de 500 horas de vídeo en primera persona sincronizado con movimientos del cuerpo y las manos. 1
4
La idea es enseñar algo más que movimientos aislados de brazos y manos. Si un robot debe acercarse a un objeto, cambiar de postura y recogerlo, necesita coordinar el desplazamiento con la acción de sus manos. Esa combinación se conoce en la investigación como loco-manipulación. 1
4
Aprender con lo que ve y cómo se mueve una persona
HumanVerse reúne ejemplos de actividades humanas en entornos abiertos. El vídeo registra lo que ve la persona, mientras que los datos sincronizados describen los movimientos de su cuerpo y sus manos. La investigación busca aprovechar ambas señales para conectar la postura y el desplazamiento con la interacción con objetos. 1
Una diferencia práctica es que las personas no necesitan manejar un robot mientras se graban estos datos. Así, la recopilación de experiencias humanas puede depender menos de demostraciones obtenidas por teleoperación, es decir, de controlar un robot a distancia. 1
4
Los datos humanos no son todo el entrenamiento
Conviene distinguir la forma en que se recopiló HumanVerse del proceso completo de entrenamiento de Lambda-0. Según la descripción del método, el modelo pasa por etapas que incluyen preentrenamiento con experiencia humana, entrenamiento intermedio con demostraciones humanas alineadas con el robot y una fase posterior de entrenamiento con robots. 1
13
Por eso, que los datos de HumanVerse se hayan capturado sin robots no demuestra que todo el proceso de entrenamiento esté libre de datos o experiencia robótica. Del mismo modo, la transferencia al robot sin entrenamiento adicional que se reporta para una prueba concreta no equivale a decir que el modelo nunca haya usado entrenamiento con robots. 1
8
13
Qué resultados reporta el equipo
En la investigación, sus autores informan de un 90,0 % de éxito en SIMPLE, su entorno de simulación, y un 62,5 % en tareas de locomoción y manipulación con un robot real. Son cifras reportadas por el equipo investigador, no una evaluación independiente. 1
Las fuentes disponibles no coinciden en cuántas tareas reales se evaluaron: una habla de siete, mientras que otra describe cuatro. Por eso, es más prudente presentar el 62,5 % como el resultado global reportado, sin atribuirlo con certeza a un conjunto específico de siete tareas. 8
11
El estudio también señala que aumentar la cantidad de datos humanos de cuerpo entero mejora el progreso en tareas posteriores. Esto respalda la utilidad de esos datos dentro de los experimentos del equipo, pero no demuestra por sí solo que el modelo pueda desenvolverse de forma fiable en cualquier entorno. 1
Código abierto, pero con resultados por verificar
El artículo está disponible en arXiv y el código del proyecto se publicó en GitHub bajo la licencia Apache 2.0. Esa disponibilidad facilita que otras personas revisen el trabajo e intenten repetir los experimentos, pero no significa que los resultados ya hayan sido confirmados por investigadores independientes. 1
10
13
Las fuentes disponibles indican que todavía no se han reproducido de manera independiente. Por ahora, Lambda-0 es una propuesta prometedora para trasladar habilidades humanas a robots humanoides, con resultados alentadores reportados por sus autores, pero aún no es una solución demostrada para lograr autonomía humanoide de propósito general. 8
17
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "Lambda-0 enseña a robots humanoides a moverse y manipular objetos a partir de datos humanos"?
Lambda 0 es un modelo para coordinar el desplazamiento y la manipulación de objetos en robots humanoides.
¿Cuáles son los puntos clave a validar primero?
Lambda 0 es un modelo para coordinar el desplazamiento y la manipulación de objetos en robots humanoides. Los datos de HumanVerse se recopilaron sin usar robots, pero eso no significa que todas las etapas de entrenamiento de Lambda 0 prescindan de datos o entrenamiento con robots.
¿Qué debo hacer a continuación en la práctica?
El equipo reporta un 90 % de éxito en su entorno de simulación SIMPLE y un 62,5 % en pruebas con un robot real; son resultados del grupo y aún no se han reproducido de forma independiente.