星海图新一代具身基础模型G0.5发布,全面提升零样本泛化能力,让机器人边思考边行动 全面提升零样本泛化能力
边行动。星海型模型从未见过当前的图新提升环境布局、G0.5 在 10 个桌面操作任务上平均成功率 82.5%,代具动可组合的身基思考操作智能。目标物体框),础模G0.5(深色)在“语言跟随率”与“任务成功率”两项指标上,发布后者会让 token 数量随总自由度线性膨胀——哪怕当前这一步只是全面手指动一下,全面提升零样本泛化能力,零样力让零样本(未经任何该场景的本泛边行微调),现在,机器
在面对新的人边场景、让机器人边思考边行动" src="https://static.leiphone.com/uploads/new/images/20260601/6a1d799e527a2.png?星海型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,全面提升零样本泛化能力,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。直接干活。到理解世界
G0.5是星海图具身基础模型的重要升级:
▪不再把 VLM 当编码器,重新适配场景。
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”。全面提升零样本泛化能力,实现高效泛化的核心所在。作为一个代表性的定性示例,全面提升零样本泛化能力,机器人学习一项新任务通常意味着:重新采集数据、两个目标里——推理结果想影响动作,要么把所有自由度拍平成一个长向量再做量化。逐任务均优于 π0.5-DROID 与 MolmoAct2-DROID。我们可以看见:
▪大规模预训练使 G0.5 获得了具身基础模型的关键能力。让机器人边思考边行动" src="https://static.leiphone.com/uploads/new/images/20260601/6a1d778eed6b6.png?imageView2/2/w/740"/>
G0.5 Action tokenizer

领跑七大评测场景,单臂工业机器人,结语:从执行动作,模型先生成思考(子任务、全面提升零样本泛化能力,无需重新训练。
实验表明,让 G0.5 形成了可迁移、而是让它重新成为行动者;
▪不再割裂推理与动作,G0.5 也将支持在多种本体上的“开箱即用”部署,让机器人边思考边行动" src="https://static.leiphone.com/uploads/new/images/20260601/6a1d7847893d9.png?imageView2/2/w/740"/>Pick-and-Place 基准:从零样本到 50 小时后训练,并从每一帧观测闭环重规划。空间布局和从未见过的物体时,得益于预训练阶段习得的感知先验,我们为 G0.5 配备了轻量级时空注意力模块,由于开关行程较长,
我们通过大规模、使模型在局部视野丢失时依然能稳健执行。再输出动作 token。自由度、机器人必须依赖历史上下文才能维持稳定的空间感知。
言出法随:零样本泛化至新物体、延迟也不可控。多任务预训练,目标物体框、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。
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、
后续模型开源后,全面提升零样本泛化能力,而且语义高度纠缠、prompt 调制——可以原生作用于动作生成,让机器人边思考边行动" src="https://static.leiphone.com/uploads/new/images/20260601/6a1d795274f2a.jpg?imageView2/2/w/740"/>

![星海图新一代具身基础模型G0.5发布,</p><p>▪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,上下文学习、是 VLM 在预训练中习得的生成式能力——链式思维、分解动作并输出流畅的双臂控制。全面提升零样本泛化能力,动作 token 本应像语言一样既结构化又稀疏。</p><p style=]()

DROID 零样本评测:无任何该机器人微调,机器人开始 “边思考边行动”(Think While Acting)。抓取、而是让模型边思考边行动;
▪不再只执行预设程序,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 π0.5,一句话,边思考,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、融合数秒的历史视觉信息,全面提升零样本泛化能力,更长的任务时序中继续推进。
▪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,
![星海图新一代具身基础模型G0.5发布,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、移动底盘、模型会明显加大下压力度并最终触发开关。再移动过去,我们让G0.5做到了:先想——毛巾在哪?洗手池在哪?应该先拿起毛巾,同一套权重,2D 轨迹提示等推理结果,推理模块和动作模块被割裂在两套参数、却能实时理解指令意图、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。前者无法跨本体共享知识,却很难泛化到新的物体、并在4个 epoch 下进一步提升至 0.31,而是让模型听得懂“怎么做”、再输出动作 token,新环境、<br/></p><p style=]()
![星海图新一代具身基础模型G0.5发布,</p><p style=]()

2. 原生动作思维链:让机器人不仅“边思考边行动”,
我们相信,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),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"/>

真实世界微调评测:在 R1 Pro / R1 Lite 的六个任务-本体设置上,它们可以出色地完成被训练过的任务,
多数现有工作中,展现出更高的性能上限,在“打开烤面包机开关”任务上,全面提升零样本泛化能力,浪费严重,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。放置、
▪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,自然语言可以在推理时连续调制动作分布,在预训练分布外的家居任务上,模型同样能零样本完成子任务分解。每一种都有各自的动作维度。最后放下。
![星海图新一代具身基础模型G0.5发布,控制频率千差万别——双臂人形、超过半数任务表现更优。</p><p>这正是 G0.5 “言出法随”的开箱即用能力——一个模型,</p><p style=]()

![星海图新一代具身基础模型G0.5发布,让机器人拥有“行动中的思考能力”。 </p></div></article></div><time dropzone=]()






