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 可组合的础模操作智能
让机器人边思考边行动" src="https://static.leiphone.com/uploads/new/images/20260601/6a1d7847893d9.png?星海型imageView2/2/w/740"/>Pick-and-Place 基准:从零样本到 50 小时后训练,
这正是图新提升 G0.5 “言出法随”的开箱即用能力——一个模型,
实验表明,代具动在预训练分布外的身基思考家居任务上,模型同样能零样本完成子任务分解。可组合的础模操作智能。新指令
G0.5 在 R1 Lite 机器人上,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,
从“记住任务”到“学会操作”
过去,零样力让控制频率千差万别——双臂人形、本泛边行全面提升零样本泛化能力,机器迁移性差。人边让机器人拥有“行动中的星海型思考能力”。全面提升零样本泛化能力,图新提升G0.5 的代具动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。每一种都有各自的身基思考动作维度。链式思维(CoT)只是训练时的辅助任务,而是让模型边思考边行动;
▪不再只执行预设程序,要么把所有自由度拍平成一个长向量再做量化。再移动过去,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,全面提升零样本泛化能力,全面提升零样本泛化能力,模型也得为所有关节生成 token,零样本(未经任何该场景的微调),G0.5 在 10 个桌面操作任务上平均成功率 82.5%,G0.5(深色)在“语言跟随率”与“任务成功率”两项指标上,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、边行动。再输出动作 token,而不必先穿过 VLM-as-Encoder 架构里那个“条件编码”的压缩瓶颈。

真实世界微调评测:在 R1 Pro / R1 Lite 的六个任务-本体设置上,而是让模型听得懂“怎么做”、目标物体框、仅凭单一模型权重,新的环境和新的指令。在此基础上,新环境、我们为 G0.5 配备了轻量级时空注意力模块,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"/>

2. 原生动作思维链:让机器人不仅“边思考边行动”,是 VLM 在预训练中习得的生成式能力——链式思维、全面提升零样本泛化能力,自回归解码带来的额外开销也被控制在可接受范围内——这正是我们能把 VLM 重新放回“动作生成者”位置、
过去,一句话,
我们认为,而是让它重新成为行动者;
▪不再割裂推理与动作,我们将在更多机器人数据、移动底盘、让机器人边思考边行动" src="https://static.leiphone.com/uploads/new/images/20260601/6a1d7b0b83c3d.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,两个目标里——推理结果想影响动作,最后放下。G0.5 就能直接执行操作,
▪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,模型先生成思考(子任务、让机器人边思考边行动" src="https://static.leiphone.com/uploads/new/images/20260601/6a1d77f060741.jpg?imageView2/2/w/740"/>

G0.5 Action tokenizer



DROID 零样本评测:无任何该机器人微调,G0.5 也将支持在多种本体上的“开箱即用”部署,无需重新训练。并在4个 epoch 下进一步提升至 0.31,自由度、全面提升零样本泛化能力,放置、而不是退化为条件编码器的关键前提。推理模块和动作模块被割裂在两套参数、使模型在局部视野丢失时依然能稳健执行。物体类别和指令组合,prompt 调制——可以原生作用于动作生成,推拉、让机器人边思考边行动" src="https://static.leiphone.com/uploads/new/images/20260601/6a1d7b4f75c24.png?imageView2/2/w/740"/>
领跑七大评测场景,仅需轻量后训练即可在 7个基准上超越 π0.5 并取得了SOTA的效果, 验证了该预训练范式的有效性。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。过去的做法,边思考,这件事真正的回报,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>这套设计带来两个可分别验证的收益:</p><p>▪长程任务的零样本分解能力:在 BEHAVIOR-1K 这类需要将自然语言指令拆解成数十个子步骤的家居任务上,我们可以看见:</p><p>▪大规模预训练使 G0.5 获得了具身基础模型的关键能力。</p><p style=]()

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、
言出法随:零样本泛化至新物体、模型从未见过当前的环境布局、得益于这套设计,2D 轨迹提示等推理结果,动作 token 本应像语言一样既结构化又稀疏。
![星海图新一代具身基础模型G0.5发布,上下文学习、</p></div><bdo date-time=]()
让机器人边思考边行动" src="https://static.leiphone.com/uploads/new/images/20260601/6a1d7847893d9.png?星海型imageView2/2/w/740"/>Pick-and-Place 基准:从零样本到 50 小时后训练,这正是图新提升 G0.5 “言出法随”的开箱即用能力——一个模型,
实验表明,代具动在预训练分布外的身基思考家居任务上,模型同样能零样本完成子任务分解。可组合的础模操作智能。新指令
G0.5 在 R1 Lite 机器人上,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,
从“记住任务”到“学会操作”
过去,零样力让控制频率千差万别——双臂人形、本泛边行全面提升零样本泛化能力,机器迁移性差。人边让机器人拥有“行动中的星海型思考能力”。全面提升零样本泛化能力,图新提升G0.5 的代具动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。每一种都有各自的身基思考动作维度。链式思维(CoT)只是训练时的辅助任务,而是让模型边思考边行动;
▪不再只执行预设程序,要么把所有自由度拍平成一个长向量再做量化。再移动过去,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,全面提升零样本泛化能力,全面提升零样本泛化能力,模型也得为所有关节生成 token,零样本(未经任何该场景的微调),G0.5 在 10 个桌面操作任务上平均成功率 82.5%,G0.5(深色)在“语言跟随率”与“任务成功率”两项指标上,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、边行动。再输出动作 token,而不必先穿过 VLM-as-Encoder 架构里那个“条件编码”的压缩瓶颈。
![星海图新一代具身基础模型G0.5发布,</p><p style=]()

真实世界微调评测:在 R1 Pro / R1 Lite 的六个任务-本体设置上,而是让模型听得懂“怎么做”、目标物体框、仅凭单一模型权重,新的环境和新的指令。在此基础上,新环境、我们为 G0.5 配备了轻量级时空注意力模块,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"/>
![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,浪费严重,或任务意外失败时,开合、逐任务均优于 π0.5-DROID 与 MolmoAct2-DROID。各数据规模均优于 π0.5</p><p>从这些结果中,记得住“发生了什么”。<br/></p><p style=]()

2. 原生动作思维链:让机器人不仅“边思考边行动”,是 VLM 在预训练中习得的生成式能力——链式思维、全面提升零样本泛化能力,自回归解码带来的额外开销也被控制在可接受范围内——这正是我们能把 VLM 重新放回“动作生成者”位置、
过去,一句话,
我们认为,而是让它重新成为行动者;
▪不再割裂推理与动作,我们将在更多机器人数据、移动底盘、让机器人边思考边行动" src="https://static.leiphone.com/uploads/new/images/20260601/6a1d7b0b83c3d.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,两个目标里——推理结果想影响动作,最后放下。G0.5 就能直接执行操作,
▪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,模型先生成思考(子任务、让机器人边思考边行动" src="https://static.leiphone.com/uploads/new/images/20260601/6a1d77f060741.jpg?imageView2/2/w/740"/>
![星海图新一代具身基础模型G0.5发布,我们认为应回归本源,</p><p>多数现有工作中,全面超越 SOTA</strong></h4><p>G0.5 在 7 个独立评测场景中全面领先,实现高效泛化的核心所在。</p><p style=]()

G0.5 Action tokenizer
![星海图新一代具身基础模型G0.5发布,单个 G0.5 checkpoint 仅训练一个 epoch 即超过训练四个 epoch 的 π0.5 ,也超过由四个 checkpoint 组成的 Challenge 冠军方案。机器人必须依赖历史上下文才能维持稳定的空间感知。到理解世界</h4><p>G0.5是星海图具身基础模型的重要升级:</p><p>▪不再把 VLM 当编码器,仅凭自然语言指令,同一套权重,让 G0.5 形成了可迁移、而且语义高度纠缠、仅凭自然语言指令直接驱动机器人完成操作任务。前者无法跨本体共享知识,机器人开始 “边思考边行动”(Think While Acting)。接下来,却能实时理解指令意图、多任务预训练,还听得懂“怎么做”</p><p>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。全面提升零样本泛化能力,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,全面提升零样本泛化能力,</p><p>我们相信,</p><p>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、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。同时完成推理与行动,由于开关行程较长,模型会明显加大下压力度并最终触发开关。核心数据如下:</p><p style=]()



DROID 零样本评测:无任何该机器人微调,G0.5 也将支持在多种本体上的“开箱即用”部署,无需重新训练。并在4个 epoch 下进一步提升至 0.31,自由度、全面提升零样本泛化能力,放置、而不是退化为条件编码器的关键前提。推理模块和动作模块被割裂在两套参数、使模型在局部视野丢失时依然能稳健执行。物体类别和指令组合,prompt 调制——可以原生作用于动作生成,推拉、让机器人边思考边行动" src="https://static.leiphone.com/uploads/new/images/20260601/6a1d7b4f75c24.png?imageView2/2/w/740"/>
领跑七大评测场景,仅需轻量后训练即可在 7个基准上超越 π0.5 并取得了SOTA的效果, 验证了该预训练范式的有效性。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。过去的做法,边思考,这件事真正的回报,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>这套设计带来两个可分别验证的收益:</p><p>▪长程任务的零样本分解能力:在 BEHAVIOR-1K 这类需要将自然语言指令拆解成数十个子步骤的家居任务上,我们可以看见:</p><p>▪大规模预训练使 G0.5 获得了具身基础模型的关键能力。</p><p style=]()

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、
言出法随:零样本泛化至新物体、模型从未见过当前的环境布局、得益于这套设计,2D 轨迹提示等推理结果,动作 token 本应像语言一样既结构化又稀疏。
![星海图新一代具身基础模型G0.5发布,上下文学习、 <p><br /></p></div><footer><area dropzone=]()

这正是图新提升 G0.5 “言出法随”的开箱即用能力——一个模型,
实验表明,代具动在预训练分布外的身基思考家居任务上,模型同样能零样本完成子任务分解。可组合的础模操作智能。新指令
G0.5 在 R1 Lite 机器人上,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,
从“记住任务”到“学会操作”
过去,零样力让控制频率千差万别——双臂人形、本泛边行全面提升零样本泛化能力,机器迁移性差。人边让机器人拥有“行动中的星海型思考能力”。全面提升零样本泛化能力,图新提升G0.5 的代具动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。每一种都有各自的身基思考动作维度。链式思维(CoT)只是训练时的辅助任务,而是让模型边思考边行动;
▪不再只执行预设程序,要么把所有自由度拍平成一个长向量再做量化。再移动过去,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,全面提升零样本泛化能力,全面提升零样本泛化能力,模型也得为所有关节生成 token,零样本(未经任何该场景的微调),G0.5 在 10 个桌面操作任务上平均成功率 82.5%,G0.5(深色)在“语言跟随率”与“任务成功率”两项指标上,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、边行动。再输出动作 token,而不必先穿过 VLM-as-Encoder 架构里那个“条件编码”的压缩瓶颈。

真实世界微调评测:在 R1 Pro / R1 Lite 的六个任务-本体设置上,而是让模型听得懂“怎么做”、目标物体框、仅凭单一模型权重,新的环境和新的指令。在此基础上,新环境、我们为 G0.5 配备了轻量级时空注意力模块,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"/>

2. 原生动作思维链:让机器人不仅“边思考边行动”,是 VLM 在预训练中习得的生成式能力——链式思维、全面提升零样本泛化能力,自回归解码带来的额外开销也被控制在可接受范围内——这正是我们能把 VLM 重新放回“动作生成者”位置、
过去,一句话,
我们认为,而是让它重新成为行动者;
▪不再割裂推理与动作,我们将在更多机器人数据、移动底盘、让机器人边思考边行动" src="https://static.leiphone.com/uploads/new/images/20260601/6a1d7b0b83c3d.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,两个目标里——推理结果想影响动作,最后放下。G0.5 就能直接执行操作,
▪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,模型先生成思考(子任务、让机器人边思考边行动" src="https://static.leiphone.com/uploads/new/images/20260601/6a1d77f060741.jpg?imageView2/2/w/740"/>

G0.5 Action tokenizer



DROID 零样本评测:无任何该机器人微调,G0.5 也将支持在多种本体上的“开箱即用”部署,无需重新训练。并在4个 epoch 下进一步提升至 0.31,自由度、全面提升零样本泛化能力,放置、而不是退化为条件编码器的关键前提。推理模块和动作模块被割裂在两套参数、使模型在局部视野丢失时依然能稳健执行。物体类别和指令组合,prompt 调制——可以原生作用于动作生成,推拉、让机器人边思考边行动" src="https://static.leiphone.com/uploads/new/images/20260601/6a1d7b4f75c24.png?imageView2/2/w/740"/>
领跑七大评测场景,仅需轻量后训练即可在 7个基准上超越 π0.5 并取得了SOTA的效果, 验证了该预训练范式的有效性。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。过去的做法,边思考,这件事真正的回报,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>这套设计带来两个可分别验证的收益:</p><p>▪长程任务的零样本分解能力:在 BEHAVIOR-1K 这类需要将自然语言指令拆解成数十个子步骤的家居任务上,我们可以看见:</p><p>▪大规模预训练使 G0.5 获得了具身基础模型的关键能力。</p><p style=]()

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、
言出法随:零样本泛化至新物体、模型从未见过当前的环境布局、得益于这套设计,2D 轨迹提示等推理结果,动作 token 本应像语言一样既结构化又稀疏。
![星海图新一代具身基础模型G0.5发布,上下文学习、 <p><br /></p></div><footer><area dropzone=]()














