GigaBrain-0.7：基于三系统架构扩展具身基础模型至涌现能力
声明：文档由AI根据原文生成。
模型发布与核心定位
8月19日，极佳视界正式发布新一代具身基础模型 GigaBrain-0.7。该模型系统论证了"数据金字塔+算法金字塔"双轮驱动架构每一层的工程价值，在相同真机评估基准下，效果全面领先全球头部开源模型。
GigaBrain-0.7 的核心创新在于首次提出 System-3 架构——将世界模型嵌入机器人的实时决策回路，使机器人具备"先预演判断，再执行动作"的能力。模型同时实现了"One Model, Many Tasks"的基模开箱即用能力，并在行业首次完成超20分钟、超10个任务的长程复杂精细操作一镜到底真机演示。
模型即将开源。
三层模型金字塔架构
GigaBrain-0.7 深度融合三层模型金字塔，完成从物理常识理解预判、高精度连续动作控制到闭环经验强化的全栈架构设计。
第一层：世界模拟（World Simulation）
以大规模视觉语言模型 VLM（System-2）为大脑主干，理解物理常识、因果逻辑与高层任务规划。通过原生时空交互注意力机制（Temporal-Spatial Block），在空间视觉 Token 中引入相对位置编码与相对时间编码，解决长程时序推理难题。
GigaBrain-0.7 首次定义 System-3，调用此前发布的 GigaWorld-1 世界模型，同步生成当前动作的未来价值评估（Action Value Feedback）与未来关键进展的视觉图像预测。这些未来表征编码后即时补充至输入 prompt，为机器人提供"预演未来"能力。
第二层：动作对齐（Action Alignment）
System-1 基于 MoT 架构，采用 Flow Matching 范式生成连续动作。跨本体参数共享机制使不同机械本体共享绝大部分 Transformer 核心参数，仅通过 Robot ID 路由至对应投影层，实现异构本体间操作知识迁移。Action Expert 与 VLM 视觉主干之间的 Soft Knowledge Insulation 机制，兼顾通用任务理解能力与专用操纵精度。
端到端联合预训练引入随机 Prompt 动态改写机制，配合 Subtask 与 VQA 细粒度标注，在统一架构内一次性完成语言规划、视觉理解、离散动作桥接与连续动作生成。
第三层：经验强化（Experience Reinforcement）
管线分三阶段推进：监督微调阶段以少量专家数据建立域外任务基础成功率；离线阶段加入模型自主 Rollout 采样数据与人类在环数据，赋予错误恢复能力与任务进度质量评估能力；在线阶段基于模型评估构建稠密奖励，通过人类在环持续强化，使高难度精细操作逐步稳定至100%成功率。
五层数据金字塔工程化
GigaBrain-0.7 的数据基建分为五个层级：
-
海量互联网数据：基于自研 GigaData Platform 清洗近3亿对"图像-语言"数据集，强化 System-2 空间理解与轨迹推理；数万小时视频数据支撑 System-3 训练。
-
传感器同构真人数据：自研与 Maker H01 传感器完全同构的 UMI（手柄示教）与 EGO（第一视角头戴）采集设备，全流程质量闭环后清洗得近11200小时高质量数据。300条 UMI 数据即可使 Maker H01 在全新任务中实现自主操作。
-
生成与仿真数据：GigaData Platform 结合视频生成与高保真物理仿真，合成超5000小时长尾场景数据。
-
真机数据：基于自研轮臂人形机器人 Maker H01 与轮臂机器人 Maker M01，清洗得20500小时高质量真机数据。
实验验证与性能表现
Scaling Laws 验证
预训练规模与域外任务预测误差曲线显示，少量数据存在过拟合，随数据量提升过拟合缓解并涌现泛化性。UMI 与 Ego 等无本体数据可直接提升真机效果。全量数据预训练的不同阶段测试中，真机成功率持续提升，最终无需单任务微调即可实现多任务100%成功率。
System-3 增益
对比传统 VLA，System-3 在任务成功率、完成得分与完成速度三项指标上均有显著提升。
基模泛化评测
分能力（语言跟随、复杂操作）、分机型（AgileX PiPER 双臂机器人、Maker H01）、分范围（域内、域外）、分任务（24项任务）的全方位评测表明，基模展现出突出的通用性与涌现泛化性。
Benchmark 横向对比
真机评测中，GigaBrain-0.7 在 AgileX PiPER 与 Maker H01 基准上全面领先国际主流模型，自研本体 Maker H01 上优势尤为明显。仿真评测选用与实机部署高度一致的 RoboColiseum 平台，4个分项全部第一，登顶榜首。