Light Origins 开源 Light-O1-Preview：6B 全身动作模型把人类视频先验搬进机器人

Light Origins 开源了 Light-O1-Preview：一个约 60 亿参数、采用 Apache 2.0 许可的全身动作模型，权重已发布在 Hugging Face 与 GitHub 上。据 Pandaily 报道，该模型来自公司 9 月 21 日的技术博客，被定位为具身基础模型系列 Light-O1 的公开预览版本，与团队此前的 LightNav-0 导航方案并不相同。

它的核心思路是把人类视频变成机器人动作。Light Origins 的流程是先在视频中分割出人物、重建三维运动，再把根轨迹、身体姿态与手部状态离散化为动作 token；这些 token 与语言、视觉信息交错输入自回归 Transformer 做预训练，让模型从人类影像中学到动作先验，而不只依赖机器人遥操作数据。

公司公布的规模实验把多模态 token 从约 37.5 亿扩展到 1200 亿，其中最大的数据预算相当于约 10 万小时被还原的人类动作。据其描述，在适配第一视角人类数据、Unitree G1 遥操作数据集以及自有的 LightBot 数据之后，下一动作损失与全身体姿态误差都呈现幂律下降。

发布材料展示了同一个动作先验被迁移到 LightBot 和一台 Unitree G1 上，完成下跪、平衡、擦拭、拾取等行为。跨本体迁移是该模型的核心主张：一份预训练先验，适配多种机器人身体。

从接口细节看，Hugging Face 预览页列出的 6B 检查点位于 Qwen3.5-4B-Base 模型树中。模型接收一条文本指令，输出一段简短的推理链路，然后以每秒 20 帧给出全身动作序列，每帧 138 维，覆盖根节点运动、骨盆高度、偏航角、22 个关节与手部开合状态。

但它并不是开箱即用的机器人操作系统。要在真实硬件上执行这些轨迹，仍需额外的行为模型或底层控制器，Light Origins 给出的 Unitree G1 示例路径目前要在仿真中借助一个额外的策略检查点完成。公司自测的 RoboCasa GR-1 厨房仿真在 24 项任务上宏平均成功率为 79.3%，这是厂商自有结果，并非第三方公开榜单。

对机器人团队来说，实际价值在于它是一层可下载的动作先验，而且采用了 Apache 2.0 这样的宽松许可。开放的权重让实验室能够直接检验用人类视频做预训练这一说法，并在自己的本体上微调；接下来的看点在于，适配数据与底层控制器是否会部分保持闭源，以及独立评测能否在真实硬件上复现所报告的成功率。