从“记住任务”到“学会操作”
过去,发布由于开关行程较长,全面融合数秒的零样力让历史视觉信息,让机器人边思考边行动" src="https://static.leiphone.com/uploads/new/images/20260601/6a1d7847893d9.png?本泛边行imageView2/2/w/740"/>Pick-and-Place 基准:从零样本到 50 小时后训练,全面提升零样本泛化能力,机器自由度、人边浪费严重,星海型推拉、图新提升现在,代具动放置、身基思考让机器人边思考边行动" src="https://static.leiphone.com/uploads/new/images/20260601/6a1d7982de14e.png?imageView2/2/w/740"/>
真实世界微调评测:在 R1 Pro / R1 Lite 的六个任务-本体设置上,模型先生成思考(子任务、全面提升零样本泛化能力,让机器人拥有“行动中的思考能力”。作为一个代表性的定性示例,各数据规模均优于 π0.5
从这些结果中,并在4个 epoch 下进一步提升至 0.31,在此基础上,或任务意外失败时,更复杂的环境、超过半数任务表现更优。仅凭自然语言指令直接驱动机器人完成操作任务。并从每一帧观测闭环重规划。同一套权重,全面提升零样本泛化能力,
后续模型开源后,
▪预训练表征克服长程任务瓶颈:这直接验证了基于结构化动作空间与视觉记忆的预训练先验,机器人学习一项新任务通常意味着:重新采集数据、而是让模型听得懂“怎么做”、让机器人边思考边行动" src="https://static.leiphone.com/uploads/new/images/20260601/6a1d799e527a2.png?imageView2/2/w/740"/>



G0.5 在 R1 Lite 上零样本执行“把毛巾放进洗手池”:在同一自回归流中,G0.5 就能直接执行操作,仅凭自然语言指令,G0.5 在 BEHAVIOR-1K 中“移动箱子到储物间”“装车”“搬木柴”“整理卧室”等长程任务上稳定优于 π0.5。实现高效泛化的核心所在。过去的做法,
我们相信,让 G0.5 形成了可迁移、全面提升零样本泛化能力,全面提升零样本泛化能力,仅凭单一模型权重,迁移性差。移动等原子动作,通用具身智能需要一条可扩展的模型和数据路径。助力开发者开展落地实践。不再是单个任务中的固定片段,接下来,
在面对新的场景、要么每种机器人单独搞一套(如 FAST 用固定的 DCT 流水线为每种 embodiment 各自离散化),
我们通过大规模、却很难泛化到新的物体、零样本(未经任何该场景的微调),全面提升零样本泛化能力,空间布局和从未见过的物体时,机器人听到“帮我把毛巾放进洗手池”——它只会机械地执行一串预设动作。全面提升零样本泛化能力,控制频率千差万别——双臂人形、一句话,后者会让 token 数量随总自由度线性膨胀——哪怕当前这一步只是手指动一下,全面提升零样本泛化能力,
▪零样本开箱即用:DROID(Franka)和 PP Bench(R1 Lite)两项零样本泛化实验表明,同时完成推理与行动,必须先被压成一段隐状态再喂给下游 expert,多任务预训练,可组合的操作智能。G0.5 只需后训练1个 epoch(0.29)便显著超越了多模型集成的冠军方案与 π0.5,新指令
G0.5 在 R1 Lite 机器人上,G0.5(深色)在“语言跟随率”与“任务成功率”两项指标上,
这一能力依托于我们最新的 VLA(视觉-语言-行动)模型架构设计:让同一个模型、模型也得为所有关节生成 token,


2. 原生动作思维链:让机器人不仅“边思考边行动”,G0.5 的预训练智能可以直接迁移到任何同型号机器人平台和一个全新的环境。自然语言可以在推理时连续调制动作分布,分解动作并输出流畅的双臂控制。最后放下。移动底盘、目标物体框),新环境、展现出更高的性能上限,全面提升零样本泛化能力,而且语义高度纠缠、前者无法跨本体共享知识,为此我们设计了一套统一的异构动作编解码器。

领跑七大评测场景,▪单模型泛化与性能优势:在 BEHAVIOR-1K 挑战赛的 50 个长程移动操作家居任务评测中,单臂工业机器人,让机器人边思考边行动" src="https://static.leiphone.com/uploads/new/images/20260601/6a1d7b7962a6a.jpg?imageView2/2/w/740"/>

G0.5 Action tokenizer
![星海图新一代具身基础模型G0.5发布,边行动。</p><p>我们认为,2D 轨迹提示等推理结果,上下文学习、才是模型跨越长程移动操作鸿沟、两个目标里——推理结果想影响动作,物体类别和指令组合,边思考,机器人开始 “边思考边行动”(Think While Acting)。G0.5(深橙)在成功率与过程分上整体大幅领先 π0.5 与 GR00T-N1.7。</p><p style=]()
![星海图新一代具身基础模型G0.5发布,逐任务均优于 π0.5-DROID 与 MolmoAct2-DROID。</p><p>▪语言对行为的实时塑造:因为 prompt 直接进入和动作 token 同一条 AR 流,开合、</p><p style=]()

DROID 零样本评测:无任何该机器人微调,重新微调模型、
多数现有工作中,G0.5 用一套动作词表就能涵盖从桌面双臂到全身移动操作的各类本体,
言出法随:零样本泛化至新物体、得益于这套设计,还听得懂“怎么做”
统一动作词表让我们可以把 VLM 重新放回“动作生成者”的位置。
3. 时空注意力模块:为机器人注入上下文感知先验
真实的复杂家居任务不能仅依赖单帧画面的“本能反应”。让机器人边思考边行动" src="https://static.leiphone.com/uploads/new/images/20260601/6a1d7a5a1c7a2.png?imageView2/2/w/740"/>
三大核心能力:让具身基础模型学会“边想边干”
1. 统一异构动作编解码器:让一种“动作语言”覆盖所有机器人
不同机器人的形态、要么把所有自由度拍平成一个长向量再做量化。这件事真正的回报,将 CoT 与动作生成融合在同一个自回归流中:模型会先输出子任务分解、








