纯VLA模型Physical Intelligence π0.7擅长举一反三，能适配陌生场景；世界模型派英伟达DreamZero主打「预判未来」，可零样本适配新机器人。
面对行业僵局，具身智能头部企业银河通用创新推出1.6B参数的跨本体「隐式世界-动作基础模型」LDA-1B。
目前，该工作成果成功登顶今年仅有210篇录用的机器人顶会RSS，项目成果代码已全面开源。
论文地址：https://arxiv.org/abs/2602.12215 项目链接：https://pku-epic.github.io/LDA/ 代码地址：https://github.com/jiangranlv/LDA-1B
LDA-1B模型首次在数据层面实现虚实共融、人机混合、质量参差、有无动作标签的数据统一有效利用。
无论是虚拟仿真还是真实拍摄、人类视频还是机器人记录、高清画面还是模糊影像、带标注的教案还是没标注的原始素材，统统可以混在一起训练，并且都能被有效利用。
过去这些数据源互相水土不服，只能分开处理；现在壁垒被LDA-1B打破，数据获取与标注成本大幅降低，AI能从更广泛、更便宜的来源中学习。
回顾GPT-2之于大语言模型的最重要意义，就是打破了高质量标注数据的依赖枷锁，依靠海量异构数据实现持续Scaling。
零售场景，它能利索地在货架间穿梭，分拣物品；家庭场景，它能整齐叠好衣物；工业场景，它能轻松搬运码放沉重的货物。
行业普遍认为，只要积累足够丰富的专家操作样本，模型就能自主习得完整的行动逻辑与操作能力。
高质量数据的获取门槛一直居高不下，远程操控采集和精细内容标注，再加上复杂的动作空间统一工作，都会持续拉高整体成本，也让数据体量很难实现大范围扩充。
就算借助仿真数据来补充训练数据，虚拟环境和现实场景的天然差距，也会带来明显的落地适配问题。
除此之外，行业还长期浪费着海量闲置资源，纯视觉的人类第一视角素材，含有大量干扰信息的粗糙运动记录，以及不同机器人设备产出的差异化内容，都难以被传统框架吸收学习。
这个LDA-1B做了一件行业没人敢做的事——把别人眼里的「无用数据」全拿来训练了。
为了打破这个桎梏，银河通用构建了完整的数据基础设施「银河星数（AstraData）」，并在LDA-1B中实现对全类数据的统一完整运用。
在这一框架下，数据不再被简单划分为「有用或无用」，而是被系统性重组进统一的世界-动作模型之中。
没有垃圾数据，只有因训练框架被「错付」的数据。把对的数据放到对的训练目标里，每一帧都有价值。
随着训练数据从5000小时扩展至30000小时，LDA‑1B的动作预测误差持续下降，呈现稳定的单调改善趋势。
当所有有动作标注的数据耗尽后，继续加入超过10000小时无动作标注的人类视频，LDA‑1B的性能依然能够持续提升。
具身智能的规模化发展，第一次不再被高质量专家数据的稀缺性所限制，海量高低质量、有无标签的异构数据，都能成为模型能力持续增长的动力。
LDA-1B选择在单一扩散模型框架内把两者完美融合，同时在一个模型里学习四大核心能力：
通过一个MM-DiT（多模态扩散Transformer）构建，将动作策略学习与世界建模统一建模。
不同于传统的世界模型容易在灯光、纹理等像素级的细节上消耗过多算力，LDA-1B选择在紧凑的DINO的潜空间（Latent Space）中建模动力学，将注意力完全放在物体的结构和动作的本质上。
这种抓大放小的策略，让它在处理具体操控、灵巧操控以及长程操作等复杂任务时，表现远超其它模型，性能提升高达48%。
研究团队申明，所有测试使用的机器人本体——包括搭载双指夹爪或22自由度灵巧手的Galbot G1、搭载10自由度灵巧手的Unitree G1——都没有在预训练数据集中出现过，属于严格的少样本跨本体泛化。
面对未知位置、新物体、变化背景等分布外扰动，以及各类灵巧手操作，LDA-1B同样全方位领先现有顶尖模型，执行与泛化能力拉满。
从锅里翻捡牛排盛到盘子里，再撒点黑胡椒粉这种事，对搭载LDA-1B模型的机器人来说，真·小菜一碟。
比如精准预判「推动扫帚会带动纸团位移」的物理逻辑，这也是其攻克长程任务、灵巧操作难题的核心关键。
在下游任务微调中加入包含大量失败和不稳定操作的遥操作数据，π0.5性能下降，LDA-1B性能反而提升10%。
不管是曾经被定义为「低质量」的数据，还是那些「不可用」的数据，现在统统都可以被LDA吃干榨尽。
整体而言，LDA-1B完成了模型能力与硬件适配的全域归一，突破单一技术路线、单一机器人本体的能力局限，实现多场景、多硬件、多任务的通用化作业能力。
纯VLA路线无法脱离专家数据掣肘，难以规模化；传统世界模型受像素空间制约，参数扩容无法带来有效增益。
而LDA-1B依托WAM统一框架，凭借DINO结构化表征、四任务协同训练、全量数据分工复用三大核心革新，补齐了具身智能规模化进化的全部条件，构建起可持续自我迭代的底层范式。
不同于行业传统的「数据筛选」模式，LDA-1B建立的「数据组织」范式，让海量异构数据持续为模型进化赋能，成功复刻大模型的Scaling增长逻辑，让机器人真正拥有自主学习、持续进化的通用智能能力。
在产业落地层面，LDA-1B是银河通用银河星脑全人形通用基础模型体系的关键闭环，它嵌入在「银河星脑（AstraBrain）」的完整技术体系之中：
从「银河星数」所构建的数据基础设施，到跨本体的世界-动作基础模型，再到面向真实场景的持续部署与反馈学习闭环，为实体场景规模化落地筑牢技术根基。
依托成熟完备的技术管线，银河通用将工厂工业、家庭起居作为核心落地主战场，针对性打磨适配两类高频刚需场景的通用具身能力。
在工厂场景，模型可适配复杂工业产线环境，完成柔性搬运、精密操作、巡检运维、流程辅助等多元化作业，适配多品类工厂非标化需求，降低产线智能化改造成本，助力工业自动化提质增效。
在家庭场景，可深度适配居家复杂动态环境，覆盖全屋家务打理、老人儿童陪护、居家安全巡检、生活化便民操作等日常需求，打破家庭服务机器人功能单一、环境适配差的行业痛点，真正落地普惠型家庭智能服务。
在此两大核心场景之外，同步延伸至零售等细分领域，形成主次分明、重点突出的落地布局，推动具身智能从实验室演示技术，升级为可落地、可复用、可创造价值的生产力基础设施。
生态层面，银河通用秉持开放共建理念，已开源基于公开数据训练的LDA-1B模型版本。
打破行业封闭迭代壁垒，为全球具身智能研究提供通用、高效的技术底座，加速全行业技术跃迁。
从技术模型、数据资源到产业生态，LDA-1B完成了全维度的全域归一，构建起技术可迭代、数据可循环、产业可落地的完整闭环，牢牢坐稳国内具身智能赛道的技术与估值龙头地位。
截至2026年4月，银河通用已是国内估值最高的未上市具身智能企业，估值超200亿元。
依托WAM世界-动作统一框架，机器人是否可以复刻LLM的规模化逻辑，从海量异构数据中持续认知世界、迭代进化？
从GPT大模型的文本智能，到LDA-1B的机器人具身智能，统一建模、全量数据驱动的规模化逻辑一脉相承。
银河通用将这套成熟的AI进化范式落地机器人领域，正式拉开了具身智能规模化、通用化、产业化的全新序幕。
去年3月，银河通用就率先提出并实践了将World Model（世界模型）与Action Model（动作模型）统一的框架WAM（World-Action Model）。
感兴趣的小伙伴可以跳转论文《DyWA: Dynamics-adaptive World Action Model》。
该论文在全球范围内首次对WAM的概念进行结构化定义，并在接触动力学复杂的任务实现了成功的验证。
DyWA创新性引入动态自适应机制，突破了传统操控模型泛化弱、动态适配不足的痛点，为具身智能与非抓取操控研究提供全新思路，学术价值突出。
在产业端，该模型显著提升机器人复杂场景作业能力，降低落地适配成本，有效赋能服务机器人、柔性工业操作等场景，加速通用具身智能技术落地与产业化进程。
量子位 QbitAI 版权所有©北京极客伙伴科技有限公司 京ICP备17005886号-1