AnswersPublished18 sources
Voiko robotti oppia liikkumaan ja tarttumaan esineisiin ihmisiä seuraamalla?
Lambda 0 oppii yhdistämään humanoidirobotin liikkeet ja esineiden käsittelyn 500 tunnin aineistosta, jossa ensimmäisen persoonan video on synkronoitu kehon ja käsien liikkeisiin. HumanVerse aineisto kerätään ilman robotin ohjaamista, mutta koko mallin koulutus sisältää myös robottiin sovitettua opastusta ja robotill...
JulkaisijaMuokattu mallilla GPT-6 LunaKuvat luotu mallilla GPT Image 2
Research answer
Key takeaways
- Lambda 0 oppii yhdistämään humanoidirobotin liikkeet ja esineiden käsittelyn 500 tunnin aineistosta, jossa ensimmäisen persoonan video on synkronoitu kehon ja käsien liikkeisiin.
- HumanVerse aineisto kerätään ilman robotin ohjaamista, mutta koko mallin koulutus sisältää myös robottiin sovitettua opastusta ja robotilla tehtävän koulutusvaiheen.
- Tutkijat raportoivat 90,0 prosentin onnistumisasteen SIMPLE simulaatiossa ja 62,5 prosenttia tosielämän testeissä.
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) on Alibaban Amapin ja ATH-ryhmän kehittämä malli, jonka tarkoituksena on opettaa humanoidirobotille liikkumisen ja esineiden käsittelyn yhteensovittamista. Se hyödyntää ihmisten ensimmäisen persoonan videoita, jotka on synkronoitu kehon ja käsien liikkeisiin. HumanVerse-aineistoa kertyi tutkijoiden mukaan 500 tuntia. 1
4
Miksi koko kehon liike on tärkeää?
Kun robotti kävelee esineen luo, vaihtaa asentoa ja tarttuu siihen, sen on koordinoitava koko kehoaan. Lambda-0 on suunniteltu juuri tällaiseen liikkumisen ja käsittelyn yhdistelmään, jota tutkimuksessa kutsutaan loco-manipulaatioksi. Malli oppii ihmisten toiminnasta avoimissa ympäristöissä: videokuva näyttää, mitä ihminen näkee, ja liiketiedot kertovat, miten keho ja kädet toimivat tilanteessa. 1
4
Tavoitteena on opettaa robotti yhdistämään asento, liikkuminen ja käsien käyttö – ei vain toistamaan yksittäisiä käsiliikkeitä. Näin lähestymistapa pyrkii huomioimaan tehtävän kokonaisuutena. 1
HumanVerse kokoaa 500 tuntia ihmisten toimintaa
Tutkimukseen liittyvä HumanVerse-aineisto sisältää 500 tuntia ihmisten liikkumista ja esineiden käsittelyä erilaisissa ympäristöissä. Ensimmäisen persoonan video on aineistossa synkronoitu kehon ja käsien liikkeiden kanssa. 1
Aineiston keräämiseen ei tarvita robottia, jota ihminen ohjaisi tallennuksen aikana. Tämä voi vähentää riippuvuutta robottien etäohjauksella kerätyistä demonstraatioista. Käytettävissä olevat lähteet eivät kuitenkaan vahvista väitteitä kuluttajaluokan tallennuslaitteista tai 29 ja 100 sekunnin demonstraatioajoista. 1
2
Robottivapaa aineistonkeruu ei tarkoita robottivapaata koulutusta
On tärkeää erottaa toisistaan HumanVerse-aineiston keruu ja mallin koko koulutusprosessi. Tutkimuksen mukaan koulutukseen kuuluu ihmisten kokemukseen perustuva esikoulutus, robottiin sovitetuilla ihmisesimerkeillä tehtävä välivaihe sekä myöhempi robottikoulutus. 1
13
Se, ettei HumanVerse-aineiston keruussa käytetä robotteja, ei siis tarkoita, että koko koulutusputki olisi vailla robottidataa tai robotilla tehtävää koulutusta. Samoin väite mallin siirtämisestä robotille ”ilman lisäkoulutusta” koskee raportoitua käyttöönottoa, ei sitä, että mallia olisi kehitetty ilman minkäänlaista robottikoulutusta. 1
8
13
Lupaavia tuloksia, mutta myös avoimia kysymyksiä
Tutkijaryhmä raportoi Lambda-0:lle 90,0 prosentin onnistumisasteen SIMPLE-simulaatiossa ja 62,5 prosentin onnistumisasteen tosielämän liikkumis- ja käsittelytehtävissä. Kyse on ryhmän omista tuloksista, ei riippumattomasta arvioinnista. 1
Lähteet eivät ole yksimielisiä siitä, kuinka monta tosielämän tehtävää testiin kuului: yhdessä lähteessä mainitaan seitsemän, toisessa neljä. Siksi 62,5 prosentin tulosta on perusteltua kuvata raportoituna kokonaislukuna nimeämättä varmasti tehtävien määrää. 8
11
Tutkimuksen mukaan suurempi määrä ihmisten koko kehon liikedataa paransi edistymistä myöhemmissä tehtävissä. Havainto tukee tällaisen aineiston hyödyllisyyttä tutkijoiden kokeissa, mutta ei yksin osoita, että malli toimisi luotettavasti kaikissa ympäristöissä tai tehtävissä. 1
Koodi on saatavilla, tulokset odottavat vahvistusta
Tutkimus on julkaistu arXiv-palvelussa, ja projektin koodi on GitHubissa Apache 2.0 -lisenssillä. Avoin koodi voi helpottaa menetelmän tarkastelua ja kokeiden toistamista, mutta se ei itsessään tarkoita, että muut tutkijat olisivat jo vahvistaneet tulokset. 1
10
13
Saatavilla olevien lähteiden mukaan tuloksia ei ole vielä toistettu riippumattomasti. Lambda-0 on kiinnostava yritys siirtää ihmisten liikkumisesta ja toiminnasta opittua taitoa humanoidiroboteille, mutta toistaiseksi kyse on lupaavista tutkijaryhmän raportoimista tuloksista – ei osoitetusta ratkaisusta yleiskäyttöiseen humanoidien autonomiaa. 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 "Voiko robotti oppia liikkumaan ja tarttumaan esineisiin ihmisiä seuraamalla?"?
Lambda 0 oppii yhdistämään humanoidirobotin liikkeet ja esineiden käsittelyn 500 tunnin aineistosta, jossa ensimmäisen persoonan video on synkronoitu kehon ja käsien liikkeisiin.
What are the key points to validate first?
Lambda 0 oppii yhdistämään humanoidirobotin liikkeet ja esineiden käsittelyn 500 tunnin aineistosta, jossa ensimmäisen persoonan video on synkronoitu kehon ja käsien liikkeisiin. HumanVerse aineisto kerätään ilman robotin ohjaamista, mutta koko mallin koulutus sisältää myös robottiin sovitettua opastusta ja robotilla tehtävän koulutusvaiheen.
What should I do next in practice?
Tutkijat raportoivat 90,0 prosentin onnistumisasteen SIMPLE simulaatiossa ja 62,5 prosenttia tosielämän testeissä.
Sources
arxiv.org$λ_0$: Scaling Open-World Egocentric Human Data for Humanoid Loco-Manipulation
technode.comAlibaba’s Amap unveils humanoid model that learns whole-body tasks from human movements · TechNode
github.comLambda Humanoid
tech-momentum.comAmap, 로봇 없이 모은 사람 시점 데이터로 휴머노이드 전신 모델 Lambda-0 공개