AnswersPublished18 sources
Lambda-0 lærer humanoide roboter helkroppsbevegelser fra 500 timer med menneskedata
Lambda 0 skal lære humanoide roboter å koordinere bevegelse og håndtering av objekter ved hjelp av 500 timer med førstepersonsvideo koblet til kropps og håndbevegelser. Menneskedataene samles inn uten robot, men det betyr ikke at hele treningsløpet er fritt for robotdata eller robottrening.
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer
Key takeaways
- Lambda 0 skal lære humanoide roboter å koordinere bevegelse og håndtering av objekter ved hjelp av 500 timer med førstepersonsvideo koblet til kropps og håndbevegelser.
- Menneskedataene samles inn uten robot, men det betyr ikke at hele treningsløpet er fritt for robotdata eller robottrening.
- Teamet rapporterer 90,0 prosent suksess i simulering og 62,5 prosent på en ekte 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 modell fra Amap og Alibabas ATH-gruppe som skal lære humanoide roboter å koordinere bevegelse og håndtering av objekter. I stedet for bare å lære enkeltbevegelser med hånden, bruker modellen menneskelig erfaring fra førstepersonsvideo synkronisert med bevegelser i kroppen og hendene. Forskerne oppgir at datasettet HumanVerse inneholder 500 timer med slikt materiale. 1
4
Når roboten må bruke hele kroppen
En robot som skal gå bort til en gjenstand, endre kroppsstilling og plukke den opp, må samordne mer enn arm og hånd. Lambda-0 er laget for denne kombinasjonen av forflytning og objektmanipulering, ofte omtalt som loco-manipulation. Modellen lærer fra aktiviteter i virkelige omgivelser, der førstepersonsvideo kobles til informasjon om hvordan personen beveger kroppen og hendene. 1
4
Videoen viser hva personen ser, mens bevegelsesdataene beskriver hvordan personen handler i omgivelsene. Tanken er dermed å lære roboten å knytte sammen kroppsstilling og forflytning med det hendene gjør, i stedet for å behandle håndtering som en isolert ferdighet. 1
HumanVerse: 500 timer med menneskelig erfaring
HumanVerse er datasettet som følger forskningen. Ifølge artikkelen består det av 500 timer med menneskelig bevegelse og objektmanipulering i åpne miljøer. Førstepersonsvideoene er synkronisert med bevegelser i kropp og hender. 1
Datainnsamlingen krever ikke at en person fjernstyrer en robot mens opptakene gjøres. Det kan redusere behovet for å samle menneskelige demonstrasjoner ved hjelp av robotstyring. Men den tilgjengelige dokumentasjonen bekrefter ikke de mer spesifikke påstandene om forbrukerutstyr eller demonstrasjoner på 29 sekunder sammenlignet med 100 sekunder. 1
2
Robotfri datainnsamling er ikke det samme som robotfri trening
Det er viktig å skille mellom innsamlingen av HumanVerse og hele treningsløpet. Metodebeskrivelsen omtaler først forhåndstrening på menneskelig erfaring, deretter et mellomtrinn med menneskelige demonstrasjoner tilpasset roboten, og til slutt trening med robot. 1
13
At HumanVerse samles inn uten robot, viser altså ikke at hele treningsprosessen er fri for robotdata eller robottrening. På samme måte bør påstanden om overføring til en robot «uten ekstra trening» forstås som et resultat for den rapporterte robottesten – ikke som bevis på at robottrening ikke inngår noe sted i utviklingsløpet. 1
8
13
Resultatene – med noen forbehold
Forskerne rapporterer 90,0 prosent suksess på SIMPLE, deres eget simuleringsmiljø, og 62,5 prosent suksess på oppgaver med forflytning og håndtering av objekter på en fysisk robot. Dette er resultater teamet selv oppgir, ikke en uavhengig evaluering. 1
Kildene spriker om hvor mange oppgaver som inngikk i robotforsøkene: én omtaler sju, mens en annen beskriver fire. Derfor er det tryggest å omtale 62,5 prosent som det rapporterte totalresultatet, uten å slå fast at det gjelder et bestemt sett på sju oppgaver. 8
11
Forskerne sier også at mer menneskedata for bevegelser med hele kroppen ga bedre framgang på senere oppgaver. Det tyder på at slike data var nyttige i forsøkene deres, men dokumenterer ikke i seg selv at modellen vil fungere pålitelig i alle miljøer eller oppgaver. 1
Kode er tilgjengelig – uavhengig bekreftelse mangler
Forskningsartikkelen er publisert på arXiv, og prosjektkoden er lagt ut på GitHub under Apache 2.0-lisensen. Åpen kode kan gjøre det lettere å undersøke og gjenta forsøkene, men betyr ikke at resultatene allerede er bekreftet av uavhengige forskere. 1
10
13
De tilgjengelige kildene oppgir at resultatene ennå ikke er gjenskapt uavhengig. Lambda-0 er derfor en interessant tilnærming til å overføre menneskelig erfaring til humanoide roboter, med lovende resultater rapportert av utviklerne – men foreløpig ikke en dokumentert løsning for generell autonomi. 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 humanoide roboter helkroppsbevegelser fra 500 timer med menneskedata"?
Lambda 0 skal lære humanoide roboter å koordinere bevegelse og håndtering av objekter ved hjelp av 500 timer med førstepersonsvideo koblet til kropps og håndbevegelser.
What are the key points to validate first?
Lambda 0 skal lære humanoide roboter å koordinere bevegelse og håndtering av objekter ved hjelp av 500 timer med førstepersonsvideo koblet til kropps og håndbevegelser. Menneskedataene samles inn uten robot, men det betyr ikke at hele treningsløpet er fritt for robotdata eller robottrening.
What should I do next in practice?
Teamet rapporterer 90,0 prosent suksess i simulering og 62,5 prosent på en ekte robot.
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