GigaBrain-0.7：以三系统架构扩展具身基础模型至涌现能力

视觉-语言-动作（VLA）模型已成为通用具身智能体的主导范式，在结构化环境中展现出强大的复杂和长时程任务完成能力。然而，当前VLA系统能否从更有效的架构设计中获益、扩展到更大规模和更多样化的数据体系，并在任务和具身形态上实现更广泛的泛化，仍是一个开放问题。为此，我们提出GigaBrain-0.7，一个在多种机器人具身形态上显著提升泛化能力的具身基础模型。具体而言，GigaBrain-0.7通过三系统架构统一了理解、预测和动作，将预训练扩展到超过37,000小时的异构具身数据，并引入单阶段对齐训练，联合优化视觉-语言理解和多具身动作生成。与之前的GigaBrain-0系列以及包括π_{0.5}在内的先前最先进模型相比，GigaBrain-0.7在基础零样本能力、语言条件指令跟随和训练后任务成功率上均取得了显著提升。特别是在我们自有的Maker H01平台和主流机器人具身形态上，GigaBrain-0.7在家庭和工业场景中均展现出强大的任务适应性和完成能力。所有训练代码和预训练模型权重将公开发布。