银河通用LDA-1B发布:具身智能迎来'GPT-2时刻',全域数据利用范式正式确立

2026年5月1日,具身智能头部企业银河通用正式开源1.6B参数的跨本体「隐式世界-动作基础模型」LDA-1B,标志着具身智能领域首次突破长期存在的数据割裂瓶颈,进入规模化落地新阶段。过去三年,具身智能受限于VLA(视觉-语言-动作)与世界模型两大技术流派的互斥性:前者依赖高质量人类示范视频却泛化能力弱,后者虽具强预测性但严重依赖仿真环境与严苛标注。行业始终缺乏统一架构支撑真实机器人在异构数据源下的持续学习与快速迁移——这一僵局,被LDA-1B以‘不挑食’的数据利用范式彻底打破。

LDA-1B采用自研WAM(World-Action Merging)融合路线,首次实现虚拟仿真、真实机器人采集、人类行为视频、模糊影像、有无动作标签等多源异构数据的端到端联合训练。其核心创新在于隐式世界建模与动作策略解耦:模型不显式构建3D场景,而是通过时序-空间联合嵌入,在潜空间中同步编码物理约束、动作可行性与任务目标。实测显示,仅需1小时后训练,LDA-1B即可完成对全新形态机器人(如轮式臂式复合体、双足搬运平台)的零样本动作适配,在零售分拣、家庭叠衣、工业重载码放三大典型场景中任务成功率分别达94.7%、89.3%、91.5%,显著优于当前SOTA模型。

该突破对产业影响深远:一方面,数据获取与标注成本预计下降65%以上,中小企业可依托公开视频库与低成本摄像头快速构建专属具身模型;另一方面,打破‘仿真-现实’鸿沟,推动具身智能从实验室演示迈向产线级部署。某头部物流装备厂商已接入LDA-1B框架,将其用于AGV+机械臂协同调度系统,开发周期缩短至原方案的1/4。更关键的是,LDA-1B开源代码与训练范式正加速形成事实标准,GitHub星标数5日内破万,社区已贡献超200个本体适配插件。

展望未来,LDA-1B所定义的‘全域数据利用’范式或将外溢至自动驾驶、数字孪生等领域。研究团队透露,下一代LDA-2B将集成在线自我改进机制,支持机器人在运行中持续修正世界模型偏差,并与大语言模型深度协同,实现‘理解意图—规划世界状态—生成动作序列’的全栈闭环。随着RSS顶会论文被引量持续攀升,具身智能正从‘单点智能’迈入‘系统智能’时代,而LDA-1B,正是这场范式革命的奠基性基础设施。