Ця стаття представляє відкриту фундаментальну модель для універсальної локомоції та маніпуляції людиноподібних роботів. Вона використовує розділену стратегію навчання, яка спочатку попередньо навчається на екоцентричних відео людини для отримання узагальнюваних візуально-активних уявлень, а потім донавчається на значно меншій кількості даних робота для точного керування суглобами. Цей підхід досягає понад 40% вищого рівня успіху у складних, довгострокових завданнях порівняно з передовими базовими моделями та демонструє покращену ефективність даних, відкриваючи шлях до більш здібних людиноподібних роботів.