Lambda-0（λ₀）是阿里巴巴旗下高德（Amap）與 ATH 團隊推出的人形機器人模型，目標是讓機器人協調全身移動與物件操作。它的訓練方法運用第一人稱視角影像，並同步搭配身體和手部動作資料；研究團隊為此建立了 HumanVerse，收錄 500 小時的人類動作資料。 14

從「動手」擴展到全身協作

機器人若要走到物件旁、調整姿勢再伸手拿取，就不能只會控制手臂，還得協調移動與身體姿勢。Lambda-0 將這類移動和操作物件的能力稱為 loco-manipulation，可理解為「行動操作」。研究以開放環境中的人類活動作為學習素材，將第一人稱影像與身體、手部動作資訊同步配對。 14

兩種資料各有用途：影像呈現人看見的場景，動作資料則記錄人如何移動並與環境互動。把它們一起用於訓練，目標是讓模型學會串連移動、姿勢調整和手部操作，而不是把抓取等動作當成孤立技能。 1

HumanVerse：500 小時人類動作資料

HumanVerse 是這項研究所介紹的資料集。論文將它描述為 500 小時、涵蓋開放環境中人類移動與操作物件的資料，包含與身體及手部動作同步的第一人稱影像。 1

蒐集這些人類資料時，不需要由人直接操作機器人。這種做法有望降低建立人類示範資料時對機器人遙控操作的依賴。不過，現有資料不足以證實消費級穿戴裝置的具體說法，也不足以確認「29 秒與 100 秒」這組示範時間比較。 12

蒐集資料不用機器人，不等於訓練完全不用機器人

理解這項研究時，應區分 HumanVerse 的資料蒐集方式與Lambda-0 的完整訓練流程。論文描述的流程包含以人類經驗進行預訓練、使用與機器人對齊的人類示範進行中期訓練，以及後續的機器人訓練階段。 113

因此，HumanVerse 在不使用機器人的情況下蒐集，並不能證明整套訓練流程完全沒有機器人資料或機器人訓練。類似地，研究所稱的機器人部署「無須額外訓練」，也不應被解讀為模型從未使用機器人相關經驗訓練。 1813

團隊公布的測試結果與限制

研究團隊表示，Lambda-0 在自建的 SIMPLE 模擬環境中達到 90.0% 成功率，在真實機器人的移動操作任務中達到 62.5% 成功率。這些是研究團隊公布的結果，並非獨立評估。 1

現有報導對真機測試的任務數量說法不一：一則提到 7 項，另一則描述 4 項。因此，較謹慎的寫法是將 62.5% 視為團隊公布的整體結果，而不確定地把它歸因於 7 項任務。 811

論文也指出，增加全身人類動作資料，能提升後續任務的進展表現。這支持該資料在研究團隊實驗中的效用，但不足以單獨證明 Lambda-0 能在各種環境中普遍適用，或始終可靠地完成任務。 1

程式碼開放，成果仍待驗證

研究論文已刊載於 arXiv，專案程式碼則以 Apache 2.0 授權發布於 GitHub。公開程式碼有助其他人檢視或重現實驗，但不代表研究結果已經過獨立研究者驗證。 11013

目前的資料指出，這些結果尚未經獨立重現。因此，Lambda-0 可視為將人類經驗轉移至人形機器人的一項值得關注的研究方向；團隊公布的結果雖具鼓舞性，但還不能據此認定它已實現通用的人形機器人自主能力。 817

Lambda-0（λ₀）是阿里巴巴旗下高德（Amap）與 ATH 團隊推出的人形機器人模型，目標是讓機器人協調全身移動與物件操作。它的訓練方法運用第一人稱視角影像，並同步搭配身體和手部動作資料；研究團隊為此建立了 HumanVerse，收錄 500 小時的人類動作資料。 14

從「動手」擴展到全身協作

機器人若要走到物件旁、調整姿勢再伸手拿取，就不能只會控制手臂，還得協調移動與身體姿勢。Lambda-0 將這類移動和操作物件的能力稱為 loco-manipulation，可理解為「行動操作」。研究以開放環境中的人類活動作為學習素材，將第一人稱影像與身體、手部動作資訊同步配對。 14

兩種資料各有用途：影像呈現人看見的場景，動作資料則記錄人如何移動並與環境互動。把它們一起用於訓練，目標是讓模型學會串連移動、姿勢調整和手部操作，而不是把抓取等動作當成孤立技能。 1

HumanVerse：500 小時人類動作資料

HumanVerse 是這項研究所介紹的資料集。論文將它描述為 500 小時、涵蓋開放環境中人類移動與操作物件的資料，包含與身體及手部動作同步的第一人稱影像。 1

蒐集這些人類資料時，不需要由人直接操作機器人。這種做法有望降低建立人類示範資料時對機器人遙控操作的依賴。不過，現有資料不足以證實消費級穿戴裝置的具體說法，也不足以確認「29 秒與 100 秒」這組示範時間比較。 12

蒐集資料不用機器人，不等於訓練完全不用機器人

理解這項研究時，應區分 HumanVerse 的資料蒐集方式與Lambda-0 的完整訓練流程。論文描述的流程包含以人類經驗進行預訓練、使用與機器人對齊的人類示範進行中期訓練，以及後續的機器人訓練階段。 113

因此，HumanVerse 在不使用機器人的情況下蒐集，並不能證明整套訓練流程完全沒有機器人資料或機器人訓練。類似地，研究所稱的機器人部署「無須額外訓練」，也不應被解讀為模型從未使用機器人相關經驗訓練。 1813

團隊公布的測試結果與限制

研究團隊表示，Lambda-0 在自建的 SIMPLE 模擬環境中達到 90.0% 成功率，在真實機器人的移動操作任務中達到 62.5% 成功率。這些是研究團隊公布的結果，並非獨立評估。 1

現有報導對真機測試的任務數量說法不一：一則提到 7 項，另一則描述 4 項。因此，較謹慎的寫法是將 62.5% 視為團隊公布的整體結果，而不確定地把它歸因於 7 項任務。 811

論文也指出，增加全身人類動作資料，能提升後續任務的進展表現。這支持該資料在研究團隊實驗中的效用，但不足以單獨證明 Lambda-0 能在各種環境中普遍適用，或始終可靠地完成任務。 1

程式碼開放，成果仍待驗證

研究論文已刊載於 arXiv，專案程式碼則以 Apache 2.0 授權發布於 GitHub。公開程式碼有助其他人檢視或重現實驗，但不代表研究結果已經過獨立研究者驗證。 11013

目前的資料指出，這些結果尚未經獨立重現。因此，Lambda-0 可視為將人類經驗轉移至人形機器人的一項值得關注的研究方向；團隊公布的結果雖具鼓舞性，但還不能據此認定它已實現通用的人形機器人自主能力。 817