机器人学干活，算法重要还是数据重要？什么样的算法和数据配方，能够最高效带来具身智能的GPT-3时刻？
今年二季度，极佳视界率先提出了这个行业核心命题——如何构建可扩展（Scalable）的具身基础模型——并给出了“数据金字塔+算法金字塔”双轮驱动的答案。
8月19日，新一代具身基础模型GigaBrain-0.7正式发布：系统论证“双金字塔”每一层的价值，在相同真机评估基准下，效果全面领先全球头部开源模型。
▲真机评测断档领先
GigaBrain-0.7 亮点速览：
1. 首次提出 System-3：把世界模型放进机器人的实时决策回路，让机器人“先预演判断，再执行动作”。
2. 基模开箱即用：“双塔”体系驱动预训练模型实现“One Model, Many Tasks”的基模能力。
3. 横向评测断档领先：不仅在“具身原生的自研本体Maker H01”上任务成功率展现出“断档领先”的突出优势，而且在仿真和真机高度一致的RoboColiseum平台4项全方位评测上包揽第一。
4. 真机任务一镜到底：行业首次实现超20分钟超10个任务的长程复杂精细操作一镜到底
▲仿真评测包揽第一
模型即将开源，欢迎大家下载试用。
项目主页：https://gigaai.cc/blog/gigabrain07
技术报告：https://arxiv.org/abs/2608.15875
代码仓库： https://github.com/open-gigaai/giga-brain-0 (Coming soon)
模型地址：https://huggingface.co/open-gigaai/models (Coming soon)
一、从“理论共识”到“范式落地”
极佳视界在今年二季度率先提出了“如何构建可扩展（Scalable）的具身基础模型”这一行业核心命题，并确立了“数据金字塔”与“算法金字塔”的双轮驱动战略。
▲“双金字塔”体系
今天，我们正式推出新一代具身基础模型——GigaBrain-0.7。GigaBrain-0.7系统论证了“双金字塔”架构每一层的价值，并在相同真机评估基准下，效果全面领先全球头部开源模型。这不仅是一次版本的迭代，更是极佳视界将“数据+算法”双金字塔理论转化为大规模工程实践与真机泛化能力的飞跃。
二、核心架构创新：GigaBrain-0.7 的三层算法金字塔
GigaBrain-0.7深度融合了三层算法金字塔，基于全栈算法能力完成了全新的架构设计，在模型架构层面实现了从物理常识理解和预判、到高精度连续动作控制、再到闭环经验强化的完整进化。
▲“双金字塔”体系
1、第一层：世界模拟（World Simulation）—— 赋予VLA物理常识理解和预判能力
a、VLM物理常识理解和规划
以大规模视觉语言模型VLM（System-2）为大脑主干，深度理解物理世界的常识规律、因果逻辑与高层任务规划。同时通过原生时空交互注意力机制（Temporal-Spatial Block），在空间视觉Token中引入了相对位置编码与相对时间编码，解决了具身任务中的长程时序推理难题。
▲GigaBrain-0.7架构图
b、World Model 未来变化预测和判断
GigaBrain-0.7首次提出System-3的定义，使用之前发布的GigaWorld-1实现对物理世界未来变化的预测和判断，补齐了当前VLA不具备预判能力的短板。
具体来说，基于GigaWorld-1的System-3可同步生成当前动作的未来价值评估（Action Value Feedback）和未来关键进展的视觉图像预测，这些未来表征被编码并即时补充至GigaBrain-0.7的输入prompt中，为机器人提供了“预演未来”的能力，显著提升了高难度、长程长尾任务的真机执行成功率和完成速度。
2、第二层：动作对齐（Action Alignment）—— 基于MoT和Flow Matching的多本体动作生成
a、跨本体参数共享（Shared Action Expert）
System-1基于MoT架构，采用Flow Matching范式生成高质量连续动作。在Action Expert模块中，不同机械本体共享绝大部分Transformer核心参数，仅通过本体类型ID（Robot ID）路由至对应的输入/输出投影层，成功实现了异构本体间的操作知识迁移与共享。
b、软知识隔离（Soft Knowledge Insulation）
在Action Expert与VLM视觉主干之间设计了Soft Knowledge Insulation机制，既保障了VLM主干强泛化的通用任务理解与规划能力，又最大限度提升了专用机器人操纵的精度。
c、端到端联合预训练（Unified End-to-End Pretraining）
引入随机Prompt动态改写机制，配合细粒度的Subtask与VQA标注，在统一架构内实现Subtask语言规划、VQA视觉理解、离散动作桥接与连续动作生成的一次性端到端联合预训练，大幅提升预训练效率和动作对齐能力，极大的增强了模型在未知场景中的泛化性与指令严格遵循能力。
3、第三层：经验强化（Experience Reinforcement）—— 从离线经验学习到在线持续强化
GgaBrain0.7的经验强化管线分为三个步骤：
- 首先监督微调阶段，我们使用少量专家数据进行训练，使得预训练模型在复杂域外任务上具备一定的成功率；
- 然后离线训练阶段，一些基于上一阶段模型自主Rollout采样的数据和人类在环数据被加入，使得模型具备错误恢复能力、提升成功率的同时，还能够对任务的完成进度和质量进行评估；
- 最后在线训练阶段，我们基于模型评估能力构建稠密奖励，并通过人类在环的方式进行在线强化学习，进一步增加模型在精细操作上的成功率。
▲GigaBrain-0.7-RL流程图
a、离线经验学习
模型在执行真机任务的同时，我们会将Rollout数据进行实时记录，并人工进行轨迹成功与失败、进度快与慢、质量高与低的标记，基于这些人类经验同步进行Value估计和Policy更新的离线强化学习训练，在使得模型具备错误恢复能力的同时，能够对任务的完成进度和质量进行评估，进而高效的提升大部分任务的完成能力。
b、在线持续强化
对于高难度精细复杂操作任务，经过离线强化学习训练完的模型也未必能稳定达到100%成功率，因此我们可以进一步通过人类在环的方式进行在线持续强化学习，通过边执行、边修正、边更新的方式，使得动作轨迹越来越精细、任务完成性越来越高，直到稳定达到100%成功率。
三、全阶数据基建，五层数据金字塔的工程化落地
数据是具身智能Scaling的基石。GigaBrain-0.7背后是极佳视界构建的庞大、高质量、跨模态数据集。
1、海量互联网数据
针对机器人操作场景，基于自研GigaData Platform数据平台，对互联网海量数据进行深度清洗与细粒度结构化标注。我们不仅构建了近3亿对“图像-语言”数据集，极大强化了 System-2 在空间理解、目标定位、交互预测及轨迹推理的底层能力；同时还构建了数万小时的视频数据，成为训练 System-3 的强大数据基石。
2、传感器同构的真人数据
▲UMI数据处理流程
全流程质量闭环：为了得到高质量的真人数据，我们对硬件设计、数据采集、数据清洗、训练数据构建，做了多重保障，最终清洗得到近11200小时高质量真人数据。
▲EGO数据处理流程
极高的数据效率：得益于极高的数据一致性和数据质量，仅需300条UMI数据进行后训练，即可让Maker H01人形本体在全新任务中实现自主操作。
3、生成与仿真数据
依托自研的数据生成平台GigaData Platform，结合视频生成与高保真物理仿真，构建了超5000小时清晰的高质量长尾场景数据，破解真机采集安全与成本痛点。
▲GigaData Platform数据生产流程图
4、真机数据
基于极佳视界自研的轮臂人形机器人Maker H01与轮臂机器人Maker M01，以及部分开源真机数据，我们最终清洗得到20500小时的高质量真机数据。
四、真机性能表现：全面超越全球头部开源模型
“数据+算法”双金字塔的深度融合，赋予了GigaBrain-0.7行业顶尖的具身操控能力。
1、Data Scaling验证具身Scaling Laws
能否Scaling是具身智能最重要的问题之一，因为这直接决定了具身能否复刻大语言模型的成功，进而影响着物理AGI的进程。
GigaBrain-0.7从多个角度验证出了具身智能可以被Scaling的这一趋势。
首先，从图一的预训练规模和域外任务预测误差来看，少量数据随着预训练的进行存在过拟合现象，但随着数据量的不断提升，过拟合不仅逐渐缓解，且当数据量到达一定量级时，模型涌现出越来越强的泛化性。
▲图一：验证集loss和预训练量曲线图
其次，从图二的预训练数据类型和真机成功率关系来看，增加UMI和Ego等数据可以直接提升真机效果，表明无本体数据是可以被Scaling的。
▲图二：预训练数据类型和真机成功率关系
最后，如图三预训练数据量和基模真机成功率关系所示，我们对GigaBrain-0.7全量数据预训练的不同阶段的模型进行测试，发现随着预训练的不断进行，真机成功率也不断提升，且最终无须单任务后训练微调，一个预训练基模便可实现多任务的百分之百成功率。
▲图三：预训练数据量和基模真机成功率关系
2、System-3 显著提升任务完成能力
传统VLA在做动作之前，不具备对物理世界未来变化的预测和判断能力，导致任务完成性和泛化性存在瓶颈。GigaBrain-0.7首次提出System-3的概念，基于World Model实现World Value Model，让VLA在做具体动作之前先对未来动作做了很好的推演和判断，不仅显著提升了执行任务的成功率，而且任务完成得分和完成速度也明显提升。
3、开箱即用的基模能力
我们对GigaBrain-0.7的基模做了全方位的评测，包括分能力评测（语言跟随能力、复杂操作能力）、分机型评测（AgileX PiPER双臂机器人、Maker H01人形机器人）、分范围评测（域内、域外）、分任务评测（24个任务全面评估）。
结果表明，GigaBrain-0.7的基模展现出了极其突出通用性，并涌现出了令人惊喜的泛化性，真正做到了“One Model，Many Tasks”的具身基模应该具备的“开箱即用”的能力。
▲基模语言跟随能力
▲基模复杂操作能力
4、Benchmark 全面领先
a、真机评测
在相同真机评估基准（AgileX PiPER & Maker H01）下，GigaBrain-0.7 与国际主流及行业头部模型进行了全面横向后训练对比，真机效果全面领先。特别是在“具身原生的自研本体Maker H01”上任务成功率展现出“断档领先”的突出优势。
▲后训练语言跟随能力
▲后训练复杂操作能力
b、仿真评测
为了方便大家验证模型能力和横向对比，我们特意挑选了仿真评测和实机部署相关性高度一致的RoboColiseum平台进行了评测。经过平台4个方面的全方位评估，结果同样全面领先全球头部开源模型和闭源方法，取得4个分项全部第一的成绩，轻松登顶榜首。这进一步证明了GigaBrain-0.7的超强基模能力和任务泛化能力。
