獨家｜萬億市值的智譜，首次開源具身智慧模型以及1000小時機器人資料集

具體來說，首先，研究團隊設計結構化ECoT標註體系，它採用結構化細粒度推理標註，每條軌跡全部幀自動生成6類原子監督資訊，全部機型通用、不繫結硬體：涵蓋場景描述、進度判斷、長期任務規劃、標準化原子動作、目標物體框、離散動作標記。

這套標註完全脫離機器人硬體限制，能夠作為統一監督訊號對齊跨機型視覺表徵，從根源解決不同機器人之間的表徵割裂問題。

其次，依託ECoT監督機制，ZR-0採用雙系統架構（注：類似大小腦，包含System1/System2 認知框架），將視覺語言主幹與動作生成模組解耦協同。

其中，System 2選用阿里Qwen3-VL-2B預訓練多模態大模型（VLM），作為感知推理核心，負責處理視覺觀測和任務指令，生成結構化的ECoT推理，以捕捉對當前場景和任務與具身形態無關的理解。

System 1 則搭建基於DiT架構的動作專家，它接收VLM的表示，並通過流匹配將它們對映到具身特有的連續動作片段。