独家｜万亿市值的智谱，首次开源具身智能模型以及1000小时机器人数据集

具体来说，首先，研究团队设计结构化ECoT标注体系，它采用结构化细粒度推理标注，每条轨迹全部帧自动生成6类原子监督信息，全部机型通用、不绑定硬件：涵盖场景描述、进度判断、长期任务规划、标准化原子动作、目标物体框、离散动作标记。

这套标注完全脱离机器人硬件限制，能够作为统一监督信号对齐跨机型视觉表征，从根源解决不同机器人之间的表征割裂问题。

其次，依托ECoT监督机制，ZR-0采用双系统架构（注：类似大小脑，包含System1/System2 认知框架），将视觉语言主干与动作生成模块解耦协同。

其中，System 2选用阿里Qwen3-VL-2B预训练多模态大模型（VLM），作为感知推理核心，负责处理视觉观测和任务指令，生成结构化的ECoT推理，以捕捉对当前场景和任务与具身形态无关的理解。

System 1 则搭建基于DiT架构的动作专家，它接收VLM的表示，并通过流匹配将它们映射到具身特有的连续动作片段。