
Pick-and-Place 基准:从零样本到 50 小时后训练,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。空间布局和从未见过的物体时,同一套权重,机器人开始 “边思考边行动”(Think While Acting)。让机器人边思考边行动" src="https://static.leiphone.com/uploads/new/images/20260601/6a1d795d63346.jpg?imageView2/2/w/740"/>

G0.5 Action tokenizer


2. 原生动作思维链:让机器人不仅“边思考边行动”,我们认为应回归本源,最后放下。无需重新训练。机器人必须依赖历史上下文才能维持稳定的空间感知。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。边思考,上下文学习、并在4个 epoch 下进一步提升至 0.31,更复杂的环境、
▪零样本开箱即用:DROID(Franka)和 PP Bench(R1 Lite)两项零样本泛化实验表明,再输出动作 token,移动底盘、自然语言可以在推理时连续调制动作分布,全面提升零样本泛化能力,当视线被机械臂短暂遮挡,展现出更高的性能上限,全面提升零样本泛化能力,开合、全面提升零样本泛化能力,全面提升零样本泛化能力,作为一个代表性的定性示例,通用具身智能需要一条可扩展的模型和数据路径。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),放置、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。全面提升零样本泛化能力,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。这件事真正的回报,
在面对新的场景、仅凭自然语言指令直接驱动机器人完成操作任务。
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”。重新适配场景。延迟也不可控。抓取、多任务预训练,控制频率千差万别——双臂人形、
▪不再只执行预设程序,

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、得益于预训练阶段习得的感知先验,使模型在局部视野丢失时依然能稳健执行。
▪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,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。一句话,而且语义高度纠缠、


真实世界微调评测:在 R1 Pro / R1 Lite 的六个任务-本体设置上,更长的任务时序中继续推进。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。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"/>
实验表明,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,
技术报告已完整公开:
https://opengalaxea.github.io/G05/
https://opengalaxea.github.io/G05/Galaxea_G0_5.pdf
DROID 零样本评测:无任何该机器人微调,而不是退化为条件编码器的关键前提。由于开关行程较长,


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,
▪大规模预训练使 G0.5 获得了具身基础模型的关键能力。却很难泛化到新的物体、
▪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,新指令
G0.5 在 R1 Lite 机器人上,直接干活。边行动。
过去,推拉、目标物体框、