新智元報道

編輯：好困 桃子

【新智元導讀】為破解機器人產(chǎn)業(yè)「一機一調(diào)」的開發(fā)困境，智源研究院開源了通用「小腦基座」RoboBrain-X0。它創(chuàng)新地學習任務「做什么」而非「怎么動」，讓一個預訓練模型無需微調(diào)，即可驅(qū)動多種不同構造的真實機器人，真正實現(xiàn)了零樣本跨本體泛化。

在今天舉行的2025機器人學習大會（Conference on Robot Learning，CoRL）上，智源研究院干了一件大事：他們把自家研發(fā)的具身智能「小腦基座」——RoboBrain-X0，直接開源了！

智源宣稱，這是一款僅通過預訓練，即可實現(xiàn)多類真實機器人間的基礎操作零樣本遷移，結合小樣本微調(diào)就能進一步釋放其對更復雜任務跨本體泛化潛力的「通用小腦基座」。

在谷歌、英偉達、特斯拉等巨頭和Figure AI、Physical Intelligence等明星創(chuàng)業(yè)公司已經(jīng)把牌桌擠滿的今天，智源這一手「開源王炸」，擺明了就是要告訴所有人——牌局，要重新洗了。

RoboBrain-X0GitHub地址：

https://github.com/FlagOpen/RoboBrain-X0

多芯片版本地址FlagRelease：

https://huggingface.co/FlagRelease/RoboBrain-X0-FlagOS

核心訓練數(shù)據(jù)集：

https://huggingface.co/datasets/BAAI/RoboBrain-X0-Dataset

機器人行業(yè)的「換腦難題」

如今的機器人產(chǎn)業(yè)，時常呈現(xiàn)出一種奇特的反差。

• 一方面，在精心編排的演示中，它們是無所不能的超級明星：可以完成后空翻、走梅花樁，表演復雜的舞蹈，甚至每一個動作都精準卡點。

• 另一方面，在真實、開放的環(huán)境里，哪怕是看似簡單的任務，也可能出現(xiàn)令人意外的低級失誤。

為什么會出現(xiàn)這種情況？

這背后正是機器人行業(yè)一個公開的秘密：驅(qū)動「身體」的「操作系統(tǒng)」互不相通。

不同團隊拿到同一家廠商的同一款硬件，由于采用的是各自開發(fā)的算法或軟件系統(tǒng)，最終呈現(xiàn)出的能力可能天差地別。

其結果是，每個團隊都在重復造輪子，為每一款機器人投入大量人力去重復收集數(shù)據(jù)、訓練模型、進行繁瑣的適配。這種「一機一調(diào)」的模式，極大地限制了機器人智能的規(guī)?；渴?，成為了制約整個產(chǎn)業(yè)升級的枷鎖。

一個基座，N種身體，即插即用

智源此次開源的RoboBrain-X0，「僅靠預訓練即可實現(xiàn)零樣本跨本體泛化」，正是對上述行業(yè)難題的正面回應。

這意味著，一個未經(jīng)針對性微調(diào)的預訓練模型，可以直接部署在不同廠商、不同結構的真實機器人上，并表現(xiàn)出穩(wěn)定、可靠的性能。

這背后，并非簡單的模型參數(shù)堆砌，而是一系列深刻的技術洞察與架構創(chuàng)新。

RoboBrain-X0源自RoboBrain的多模態(tài)基座能力，在RoboBrain 2.0數(shù)據(jù)基礎上，進一步融合了真實機器人動作數(shù)據(jù)。

通過統(tǒng)一建模視覺、語言與動作，它實現(xiàn)了跨本體的泛化與適配，具備從感知到執(zhí)行的一體化能力。

結合智源公開的前沿研究，我們可以窺見其三大技術支柱：

1. 核心思想：學習「做什么」，而非「怎么動」

傳統(tǒng)機器人模型常常死記硬背特定機器人的控制信號（如關節(jié)角度、電機扭矩），導致「換殼即失靈」。

RoboBrain-X0模型學習的是任務背后的「物理本質(zhì)」。當模型接收到「把桌上的蘋果放進左邊的籃子」這類指令時，它首先通過強大的視覺推理能力，將任務分解為一套與機器人「身體」無關的通用語義動作序列（Universal Semantic Actions）。

這個過程類似于人類大腦的思考方式——我們想的是「拿起杯子」，而不是「驅(qū)動我的肱二頭肌收縮X度，同時手指彎曲Y度，施加Z牛的力」。

RoboBrain-X0通過一個「本體映射機制」（Embodiment Mapping Mechanism），將這些抽象的、通用的動作步驟，實時翻譯成當前所控制的具體機器人的可執(zhí)行指令，比如「先靠近蘋果→抓起來→移到籃子上方→放下」，從而奠定了其跨本體泛化的理論基礎。

2. 動作語義的統(tǒng)一與抽象化表達

RoboBrain-X0并不直接輸出底層關節(jié)或電機級別的控制信號，而是在抽象層面引入了統(tǒng)一動作表征體系。

具體來說，模型通過大規(guī)模異構數(shù)據(jù)的訓練，將各種機器人的復雜動作，都拆解成一套標準的「動作詞匯表」（Unified Action Vocabulary, UAV），并通過動作tokenizer機制進行量化和編碼，用類似ChatGPT處理文字的方式把動作變成一串串的token。

將末端執(zhí)行器的空間運動（包括位置、姿態(tài)和夾爪狀態(tài)等）有效壓縮為簡短的token序列，在保證表達能力的同時，實現(xiàn)跨本體的一致性、遷移性和高效推理，從而讓模型支持混合本體數(shù)據(jù)訓練

換句話說，不同機器人終于能「聽懂」同樣的指令了，而且因為動作被壓縮成了簡短的代碼，計算效率大大提升，長時間的復雜任務也不會「卡殼」。

3. 分層推理框架：任務、動作與控制的解耦

RoboBrain-X0的推理與控制采用了一種分層架構。該架構將復雜的控制流分解為三層：

• 頂層負責解析高層任務意圖，并生成結構化的子任務鏈；

• 中間將這些子任務進一步映射為標準化的 token 序列，完成從任務語義到通用動作的轉(zhuǎn)換；

• 底層解碼器結合當前機器人本體的特有參數(shù)（如運動學模型），將動作token實時翻譯為精準的可執(zhí)行控制指令。

這種任務、動作、控制逐層解耦的設計，不僅保障了模型卓越的跨本體遷移性和可解釋性，也為模型在多種異構機器人體系上實現(xiàn)零樣本泛化和穩(wěn)定執(zhí)行提供了堅實的技術基礎。

簡而言之，RoboBrain-X0讓機器人像人一樣，先想清楚要做什么，再考慮怎么做，最后才是具體怎么動，為通用機器人技術落地鋪平了道路。

跨本體真機數(shù)據(jù)集全面開放

要讓同一個基座適配不同機器人，數(shù)據(jù)是決定性因素。RoboBrain-X0背后的關鍵支撐，是一套面向真實世界的跨本體訓練數(shù)據(jù)集，包含了：

• 視覺與語義理解數(shù)據(jù)：在視覺問答與推理的基礎上，補充物體檢測、軌跡生成、affordance查詢與動作規(guī)劃等與真實交互強相關的任務，幫助模型把「看見」轉(zhuǎn)化為「可操作的理解」；

• 開源動作數(shù)據(jù)整合：融入如Agibot World等多場景開源動作數(shù)據(jù)，拓展任務覆蓋與多域泛化能力；

• 本體廠商合作開源數(shù)據(jù)：與頭部廠商合作采集到的覆蓋多樣場景的操作軌跡，強化跨本體可遷移性與工程可復現(xiàn)性；

• 自采高質(zhì)量軌跡：提供「指令—動作」與「指令—子任務推理—動作」兩類樣本，既適配短指令執(zhí)行，也支持長程任務分解、進度感知與動態(tài)決策。

這次智源也同時開源了這一數(shù)據(jù)集，對于想做多本體遷移、長時序控制或高層規(guī)劃的團隊，是一個很好的可比較、可復現(xiàn)、可擴展的起點。

硬剛π0，真實世界任務成功率翻倍

RoboBrain-X0的領先性已在仿真與真實世界測試中得到充分驗證。

在權威的LIBERO仿真平臺中，RoboBrain-X0的綜合成功率高96.3%，在所有評測維度均超越了π0。

LIBERO仿真評測結果

更令人矚目的是，在對多種真實機器人進行的跨本體評測中，RoboBrain-X0的總體成功率達到48.9%，是基線模型π0的近2.5倍，并在基礎抓放任務中達到100%的成功率。

無論是「把卷筆刀放到訂書機左邊」（任務1）這種需要精確空間推理的任務，還是「將所有水果放到碗里」這類涉及多目標的操作（任務4），都表現(xiàn)出了RoboBrain-X0在應對真實世界復雜任務時的卓越泛化能力與穩(wěn)定性。

真機評測結果

從引擎到生態(tài)，智源全面開源

智源此次選擇將RoboBrain-X0這一預訓練基座和相關訓練數(shù)據(jù)集全面開源。

在今年7月的智源大會上，智源全面開源具身大腦RoboBrain 2.0 32B版本以及跨本體大小腦協(xié)同框架RoboOS 2.0單機版。

RoboBrain 2.0的定位是面向真實物理環(huán)境的「通用具身大腦」，32B版本憑借時空認知能力的突破，在多項權威具身智能基準上全面刷新紀錄。

RoboOS 2.0作為全球首個具身智能SaaS開源框架，創(chuàng)新性集成MCP協(xié)議與無服務器架構，實現(xiàn)輕量化部署，打通智能大腦與異構本體協(xié)同通路。

這一系列發(fā)布，清晰地勾勒出智源的戰(zhàn)略雄心：先通過一個強大的成品（RoboBrain 2.0）樹立行業(yè)標桿，證明技術路線的潛力；再將實現(xiàn)這一切的底層核心技術「引擎」（RoboBrain-X0和訓練數(shù)據(jù)集）貢獻給社區(qū)，將創(chuàng)新的權利交到每一位開發(fā)者手中。

當然，通往通用具身智能的道路依然漫長。模型的魯棒性、長時程任務的規(guī)劃能力，以及對更復雜動態(tài)環(huán)境的適應性，仍有待進一步提升。但通過開源其核心的「泛化引擎」，智源無疑為整個社區(qū)注入了強大的動能。

一個由全球開發(fā)者共同構建的、百花齊放的具身智能生態(tài)，正在加速到來。

參考資料：

https://github.com/FlagOpen/RoboBrain-X0

https://huggingface.co/datasets/BAAI/RoboBrain-X0-Dataset

https://huggingface.co/FlagRelease/RoboBrain-X0-FlagOS