Lambda-0（λ₀）是阿里巴巴旗下高德与ATH团队开发的人形机器人模型，目标是让机器人把移动、调整姿势和操作物体协调起来。它的训练思路不只关注手臂如何抓取，而是把第一视角视频与身体、手部动作结合，让模型学习人在真实环境中如何边移动边与物体互动。研究团队为此推出了HumanVerse数据集，包含500小时这样的同步数据。 14

从“会抓”到“边走边操作”

机器人要完成一项连贯任务，可能需要先走到物体旁、调整站姿，再伸手拿起或移动物体。研究将这种移动与操作的结合称为“移动操作”（loco-manipulation）。Lambda-0试图学习的正是这类全身协同行为，而不是把手部操作当作孤立技能。 14

第一视角视频记录人看到了什么，身体和手部动作数据则提供了人如何移动并与环境互动的信息。将这些信号同步，有助于模型把身体姿态、位移与手部操作联系起来。 1

HumanVerse：500小时人类动作数据

HumanVerse收录了开放环境中的人类移动与操作活动。论文将其描述为500小时数据，由第一视角视频以及同步的身体和手部动作组成。 1

这类数据的采集不需要人在录制时遥控机器人，因此有望减少对机器人遥操作示范的依赖。不过，这只说明HumanVerse的采集方式不需要机器人，并不能据此推断整个模型训练过程都没有使用机器人数据或机器人训练。 113

采集数据与完整训练流程不是一回事

理解Lambda-0时，需要区分HumanVerse数据如何采集与模型如何训练。研究介绍的流程包括：先利用人类经验进行预训练，再用与机器人对齐的人类示范进行中期训练，之后还包含机器人训练阶段。 113

因此，“人类数据采集时不需要机器人”不等于“训练完全不涉及机器人”。同样，相关报道中关于模型迁移到机器人上的说法，也不应被误读为整个训练流程从未使用机器人经验。 1813

测试成绩：团队报告了什么？

研究团队报告称，Lambda-0在其仿真环境SIMPLE中的成功率为90.0%，在真实机器人移动操作任务中的成功率为62.5%。这些是研究团队报告的结果，并非独立评测结论。 1

关于真实机器人测试涵盖多少项任务，现有报道说法不一：一处称有七项，另一处描述四项。因此，62.5%更适合表述为团队报告的总体结果，不宜在任务数量尚有出入时，断言它对应某个确定的七项任务集合。 811

论文还称，增加全身人类动作数据，能够持续提升后续任务的进展。这说明该数据在团队所做实验中具有价值，但单凭这一结果，还不能证明模型在各种环境中都能可靠工作。 1

代码开放，不代表结果已独立验证

相关论文已发布在arXiv，项目代码则通过GitHub以Apache 2.0许可证公开。开放代码有助于研究者检查方法和尝试复现实验，但不意味着结果已经得到独立验证。 11013

现有报道指出，团队结果尚未经过独立复现。总体而言，Lambda-0展示了一种把人类日常动作经验用于人形机器人全身控制的探索路线，并报告了令人关注的测试成绩；但它还不能被视为已经解决通用人形机器人自主能力问题。 817

Lambda-0（λ₀）是阿里巴巴旗下高德与ATH团队开发的人形机器人模型，目标是让机器人把移动、调整姿势和操作物体协调起来。它的训练思路不只关注手臂如何抓取，而是把第一视角视频与身体、手部动作结合，让模型学习人在真实环境中如何边移动边与物体互动。研究团队为此推出了HumanVerse数据集，包含500小时这样的同步数据。 14

从“会抓”到“边走边操作”

机器人要完成一项连贯任务，可能需要先走到物体旁、调整站姿，再伸手拿起或移动物体。研究将这种移动与操作的结合称为“移动操作”（loco-manipulation）。Lambda-0试图学习的正是这类全身协同行为，而不是把手部操作当作孤立技能。 14

第一视角视频记录人看到了什么，身体和手部动作数据则提供了人如何移动并与环境互动的信息。将这些信号同步，有助于模型把身体姿态、位移与手部操作联系起来。 1

HumanVerse：500小时人类动作数据

HumanVerse收录了开放环境中的人类移动与操作活动。论文将其描述为500小时数据，由第一视角视频以及同步的身体和手部动作组成。 1

这类数据的采集不需要人在录制时遥控机器人，因此有望减少对机器人遥操作示范的依赖。不过，这只说明HumanVerse的采集方式不需要机器人，并不能据此推断整个模型训练过程都没有使用机器人数据或机器人训练。 113

采集数据与完整训练流程不是一回事

理解Lambda-0时，需要区分HumanVerse数据如何采集与模型如何训练。研究介绍的流程包括：先利用人类经验进行预训练，再用与机器人对齐的人类示范进行中期训练，之后还包含机器人训练阶段。 113

因此，“人类数据采集时不需要机器人”不等于“训练完全不涉及机器人”。同样，相关报道中关于模型迁移到机器人上的说法，也不应被误读为整个训练流程从未使用机器人经验。 1813

测试成绩：团队报告了什么？

研究团队报告称，Lambda-0在其仿真环境SIMPLE中的成功率为90.0%，在真实机器人移动操作任务中的成功率为62.5%。这些是研究团队报告的结果，并非独立评测结论。 1

关于真实机器人测试涵盖多少项任务，现有报道说法不一：一处称有七项，另一处描述四项。因此，62.5%更适合表述为团队报告的总体结果，不宜在任务数量尚有出入时，断言它对应某个确定的七项任务集合。 811

论文还称，增加全身人类动作数据，能够持续提升后续任务的进展。这说明该数据在团队所做实验中具有价值，但单凭这一结果，还不能证明模型在各种环境中都能可靠工作。 1

代码开放，不代表结果已独立验证

相关论文已发布在arXiv，项目代码则通过GitHub以Apache 2.0许可证公开。开放代码有助于研究者检查方法和尝试复现实验，但不意味着结果已经得到独立验证。 11013

现有报道指出，团队结果尚未经过独立复现。总体而言，Lambda-0展示了一种把人类日常动作经验用于人形机器人全身控制的探索路线，并报告了令人关注的测试成绩；但它还不能被视为已经解决通用人形机器人自主能力问题。 817