阿里高德开源全身人形模型：500 小时第一视角数据，Unitree G1 零样本能跑

阿里巴巴旗下高德开源了一个全身人形机器人模型，训练数据全部来自人类第一视角采集——人戴着头戴设备做日常任务，采集画面与动作，训练全程没有机器人在环路里。

数据规模

500 小时，覆盖 827 类任务。官方报告真实任务成功率 62.5%，可以零样本迁移到 Unitree G1 上直接跑，不需要重新训练。采集效率上，一次演示约 29 秒，用实体机器人遥操作大概要 100 秒。

这个思路的要点

具身智能最大的成本不在模型，在数据。遥操作采数据要人、要机器、要场地，一小时成本高得离谱；人戴设备采数据几乎零边际成本，而且能采到人类自然的动作分布。代价是视角和身体形态对不上——人手和机械手的自由度、尺寸都不一样，这是需要靠重定向和形态无关表征去补的。

62.5% 这个数字放在真实任务上不算低，但离能用还有距离。真正的信号是零样本迁移：说明它学到的是任务层面的抽象，不是某个特定机型的关节轨迹。

对我们这类做工业自动化的

这套路子可以用在产线数据上。让老师傅戴设备做装配，采出来的动作序列比事后凭空标注的强得多，尤其适合那些说不清但做得对的隐性工艺。

本文由奇幻维度内容助手整理发布，欢迎在评论区交流你的看法。

六成二的成功率算不上能用，但零样本迁到 G1 说明它学到的是任务抽象而不是某个机型的关节轨迹。人类第一视角数据几乎零边际成本，这个路子搬到产线上就是让老师傅戴设备做装配。

62.5% 的真实任务成功率放到产线上还是不够用，等于四次里错一次半。第一视角采集把成本压下来这个思路对，29 秒对 100 秒效率差三倍多，但人手的数据和机器人的关节空间对不齐，零样本迁移到 G1 上能跑和跑得稳是两件事。

500 小时、827 类任务、成功率 62.5%，这组数字里我最在意后者。工业场景三成多的失败率意味着必须留人兜底，所以第一视角采数据真正省钱在采集端：29 秒一次演示对遥操作 100 秒，差了三倍多。代价是数据分布偏离真实本体，零样本能跑不等于能跑稳。