星海圖正式發佈了新一代具身基礎模型G0.5，該模型基於VLA（視覺-語言-行動）架構，讓機器人能夠“邊思考邊行動”。在演示中，R1 Lite機器人僅憑一句“幫我把毛巾放進洗手池”的自然語言指令，就能自主完成識別毛巾與洗手池位置、規劃移動路徑並協調雙臂放置物體等連續操作。關鍵是，所有任務都在完全陌生的環境中進行，零樣本——未做過任何現場微調，模型依賴的是大規模預訓練形成的可遷移操作智能。
過去，機器人每學習一項新任務，往往需要重新採集數據、微調模型並適配場景，泛化能力十分有限。星海圖則通過海量多任務預訓練，將抓取、放置、推拉、開合、移動等原子動作抽象為可組合的技能單元，讓G0.5能應對新物體、新環境和新指令的組合。官方稱這種能力為“言出法隨”，用一個模型、一套權重同時驅動推理與行動，大幅降低了部署成本。
具身智能的底層邏輯正從專用算法向通用模型演進。這與特斯拉Optimus人形機器人的技術思路有相通之處——兩者均追求通用操作能力，而非僅能在固定產線上重複動作。星海圖G0.5的零樣本泛化表現，證明VLA模型可以直接將語言認知映射為物理世界的實時控制，為人形機器人的家庭服務、輕工業等場景提供了可行路徑。
從行業視角看，該進展意味著中國在具身智能基礎模型領域補上了關鍵一環。當模型具備了對未知環境的即時適應力，機器人從實驗室走向複雜商業場景的速度可能加快。不過，目前G0.5的演示仍限於桌面級雙臂操作，距離全身運動、複雜工具的靈活使用還有很長距離。市場會關注這類技術能否在成本、可靠性和規模化訓練上持續突破，以及它與特斯拉Optimus、Figure AI等系統的代際競爭如何演變。