GigaBrain-0是由極佳視界與湖北人形機器人創新中心聯合發布的端到端視覺-語言-動作（VLA）具身基礎模型，雙方於2025年10月29日在武漢東湖高新區簽約並聯合發布該模型，並計畫開源。極佳視界完成了B1輪融資。
GigaBrain-0是一款利用世界模型生成數據、支持多模態輸入與結構化輸出的端到端決策控制模型，重點強化了3D空間感知與結構化推理能力。該模型融合了世界模型生成數據與真實機器人運算元據，已在疊衣服、整理桌面等複雜長程操作任務中進行真機測試。該模型提供大小雙版本，其輕量化版本GigaBrain-0-Small可在NVIDIA Jetson AGX Orin等端側設備上運行。
其疊代版本GigaBrain-0.1是一款萬小時級數據的開源模型，參與了全球具身智慧型大規模真機評測平台RoboChallenge的評測，該評測涵蓋30項複雜任務。
發展歷程,技術原理,性能表現,
發展歷程
2025年7月4日，極佳視界發布了具身基礎模型GigaBrain-0 Preview，這是一個主要依靠世界模型生成數據驅動的端到端VLA具身基礎模型。該模型融合RGB圖像與深度信息進行聯合編碼，並引入面向語言任務拆解的思維鏈（Chain-of-Thought, CoT）機制。在疊衣服、桌面清理等任務中，GigaBrain-0 Preview表現出一定的效果。
2025年10月29日，極佳視界與湖北人形機器人創新中心在武漢東湖高新區完成戰略合作簽約，並聯合發布了端到端VLA具身基礎模型GigaBrain-0。這是一個利用世界模型生成數據實現真機泛化的VLA基礎模型，重點提升了3D空間感知與結構化推理能力。該模型計畫開源。
2026年2月，由雙方聯合推動的開源模型GigaBrain-0.1，在全球規模較大的真機評測比賽RoboChallenge中超越 Pi0.5 等模型，獲得總榜第一。
此外，其前序模型GigaBrain-0在開源後兩個月內，在GitHub上收穫了超過2.2K Stars。
此後，極佳視界進一步發布了GigaBrain-0.5M*，這是一個基於世界模型強化學習的具身基礎模型，在部分長時程任務中實現較高的任務成功率。
技術原理
GigaBrain-0是一款端到端的決策控制模型，專為具身智慧型體設計。該模型基於視覺-語言-動作架構，可融合圖像、深度、文本及本體狀態等多模態輸入，輸出結構化的任務規劃與運動指令。
該模型已在製作咖啡、疊衣服、整理桌面等數十項複雜長程操作任務中展現出真機泛化能力，開源後兩個月在GitHub收穫2.2K Stars。
針對操作精度與推理能力的瓶頸，GigaBrain-0重點強化了3D空間感知與結構化推理能力。通過加入深度信息的輸入，該模型旨在提升對物體3D位置和空間3D布局的感知能力，這對於精確的雙臂操作和移動導航較為重要。通過引入子目標拆解和機械臂末端軌跡輸出，該模型旨在改進在開放場景中的任務規劃和運動規劃能力。
該模型的訓練依賴其世界模型平台GigaWorld生成的數據。GigaWorld構建了一個具身智慧型數據體系，具體包括Sim2Real Transfer Data、Real2Real Transfer Data、View Transfer Data、Video Generation Data、Human Transfer Data。通過世界模型生成數據，GigaBrain-0減少了對真實機器人數據的依賴。
此外，還提供了GigaBrain-0-Small輕量化版本，該版本可在NVIDIA Jetson AGX Orin等端側設備上運行。
性能表現
在涵蓋30項複雜任務的全球具身智慧型大規模真機評測平台RoboChallenge的榜單中，GigaBrain-0.1超越Pi0.5等眾多模型，在總榜中排名第一，並在“雙臂協同”單項任務中成功率最高。其後續模型GigaBrain-0.5M*是一個基於世界模型的強化學習具身基模，在高難度長時程任務中任務成功率接近100%。在真實機器人實驗評估中，GigaBrain-0在靈巧操作、長程任務和移動操作任務上的成功率高於現有SOTA方法。
實驗表明，隨著其世界模型平台GigaWorld生成的合成數據在訓練數據中比例提升，GigaBrain-0在開放世界泛化場景下的任務成功率和動作精度均呈現增長。該模型具備完成複雜、柔性、長程移動操作任務的能力，例如實現了基於高集成度人形機器人本體的衣物整理任務。GigaBrain-0.1與同公司世界模型GigaWorld-1分別在RoboChallenge真機評測和WorldArena世界模型評測中獲得第一。
