零样本「即插即用」！智源开源RoboBrain-X0，一个基座模型开动不同机器人

104 0 0

文章摘要

智源研究院在2025机器人学习大会上开源了通用「小脑基座」RoboBrain-X0，旨在解决机器人行业「一机一调」的开发困境。该模型通过预训练即可实现零样本跨本体泛化，无需微调就能驱动多种不同构造的真实机器人，显著提升了机器人智能的规模化部署潜力。这一突破性技术通过统一建模视觉、语言与动作，实现了从感知到执行的一体化能力，为机器人行业带来了全新的发展机遇。

RoboBrain-X0的核心创新在于其学习「做什么」而非「怎么动」的设计理念。传统机器人模型通常死记硬背特定机器人的控制信号，导致跨本体迁移能力极差。相比之下，RoboBrain-X0通过「本体映射机制」将任务分解为与机器人身体无关的通用语义动作序列，再实时翻译成具体机器人的可执行指令。这种抽象化的动作表达方式，使得不同机器人能够「听懂」同样的指令，大幅提升了模型的泛化能力和计算效率。

技术架构上，RoboBrain-X0采用了分层推理框架，将控制流分解为任务意图解析、标准化动作序列生成和可执行指令翻译三个层次。这种任务、动作、控制逐层解耦的设计，不仅保障了模型的跨本体迁移性和可解释性，也为稳定执行复杂任务提供了技术基础。模型通过引入统一动作表征体系，将各种机器人的复杂动作拆解成标准的「动作词汇表」，并用类似自然语言处理的tokenizer机制进行编码，实现了动作表达的高度抽象和高效推理。

跨本体真机数据集的开源是RoboBrain-X0成功的关键支撑。该数据集包含了视觉与语义理解数据、开源动作数据、厂商合作数据以及自采高质量轨迹，覆盖了多样化的场景和任务类型。这些数据不仅强化了模型的跨本体可迁移性，也为后续研究提供了可比较、可复现的基础。在权威评测中，RoboBrain-X0的综合成功率高达96.3%，远超基线模型π0。在真实机器人测试中，其总体成功率达到了48.9%，是π0的近2.5倍，基础抓放任务更是实现了100%的成功率。

智源此次开源行动是其整体战略的重要一环。继此前开源具身大脑RoboBrain 2.0和跨本体协同框架RoboOS 2.0后，此次开源预训练基座和数据集，标志着智源正在构建一个完整的具身智能开源生态。虽然通用具身智能仍面临鲁棒性、长时程任务规划等挑战，但通过开放核心技术，智源为全球开发者社区注入了强大动能，有望加速推动机器人技术的创新发展。