4月19日消息,在2026北京亦莊機器人半程馬拉松上,阿里旗下高德公開首款開放環(huán)境全自主ABot體系,從架構(gòu)上突破了傳統(tǒng)具身智能“單點拼湊、封閉驗證”的碎片化路徑,以AGI為核心目標(biāo),首次將數(shù)據(jù)引擎、基座模型與執(zhí)行中樞耦合為統(tǒng)一系統(tǒng)。目前,高德ABot系列模型已經(jīng)在全球15項權(quán)威基準(zhǔn)測試中拿到SOTA。
據(jù)了解,ABot體系采用閉環(huán)飛輪式設(shè)計,涵蓋數(shù)據(jù)、模型、應(yīng)用三層,架構(gòu)并非簡單堆疊,而是深度咬合、互為引擎,實現(xiàn)“數(shù)據(jù)驅(qū)動模型、模型服務(wù)應(yīng)用、應(yīng)用反哺數(shù)據(jù)“。
![]()
據(jù)介紹,作為數(shù)據(jù)層的核心, ABot-World通過批量合成 Video、Depth、Point Cloud、Trajectory 四類訓(xùn)練數(shù)據(jù),配合RL Training Engine在虛擬環(huán)境里定義獎懲、反復(fù)試錯。模型以高保真仿真替代高昂的真機采集,從根本上彌合Sim-to-Real鴻溝,將數(shù)據(jù)成本壓縮數(shù)個數(shù)量級。
模型層重點解決具身操作的通用性和導(dǎo)航的長程性,其核心是感知與決策。其中ABot-M負(fù)責(zé)操作,ABot-N負(fù)責(zé)導(dǎo)航,兩個模型分工訓(xùn)練、通過 Model Skill機制組合調(diào)用,完成長程復(fù)雜任務(wù)。
應(yīng)用層的核心是具身版“龍蝦”ABot-Claw,通過將異構(gòu)機器人統(tǒng)一于共享認(rèn)知框架之下,打造具備調(diào)度、記憶、分層控制與社會對齊能力的“執(zhí)行中樞”,以應(yīng)對長程任務(wù)閉環(huán)難、知識不共享等問題。
據(jù)悉,在PBench、EZSbench、WorldArena、Agibot World Challenge等主流評測中ABot-World持續(xù)領(lǐng)先,并成為唯一在物理合規(guī)性、動作可控性、零樣本泛化三大維度均達(dá)SOTA的模型。
此外,作為首個實現(xiàn)五大核心導(dǎo)航任務(wù)"大一統(tǒng)"的VLA基座模型,ABot-N具備意圖理解、自主決策與持續(xù)進化能力,是途途走向開放世界的核心導(dǎo)航引擎。ABot-M是全球首個統(tǒng)一架構(gòu)的具身操作基座模型,其可實現(xiàn)一個“通用大腦”適配多種形態(tài)的機器人,大幅提升操作模型在異構(gòu)機器人形態(tài)和任務(wù)場景下的泛化能力。其采用層級式“大腦-動作”架構(gòu),通過多模塊協(xié)同實現(xiàn)單一模型導(dǎo)航任務(wù)全覆蓋。ABot-N推出后,在VLN-CE(R2R/RxR)、HM3D-OVON、EVT-Bench等7大權(quán)威基準(zhǔn)上全面刷新SOTA,并在導(dǎo)航精度、社會合規(guī)性、zero-shot泛化實現(xiàn)領(lǐng)先。
據(jù)介紹,在LIBERO、LIBERO-Plus、RoboCasa GR1、RoboTwin 2.0等主流評測中,ABot-M全面超越π0.5、UniVLA、OpenVLA-OFT等強基線,在泛化能力、魯棒性與跨形態(tài)遷移三個維度實現(xiàn)領(lǐng)先。
在ABot-Claw層面,作為ABot體系的“執(zhí)行中樞”,ABot-Claw采用集中式Harness架構(gòu),將高德地圖與用戶私有地圖設(shè)為全局認(rèn)知錨點,把多模態(tài)感知數(shù)據(jù)統(tǒng)一映射至共享語義空間,形成可動態(tài)刷新、持久沉淀的“世界記憶”。新終端接入后,僅需讀取全局上下文即可零成本繼承環(huán)境認(rèn)知。另外,ABot-Claw 采用"云端大腦—邊緣響應(yīng)"兩級設(shè)計,兼顧智能深度與執(zhí)行可靠性。在調(diào)度層面,該架構(gòu)還支持多種異構(gòu)機器人的并行協(xié)作與任務(wù)接力,故障時自動接續(xù),實現(xiàn)任務(wù)上下文無縫移交與跨形態(tài)協(xié)作。ABot-Claw還首創(chuàng)閉環(huán)反饋與糾錯機制,在模糊指令理解、跨機導(dǎo)引等復(fù)雜場景中充分驗證其魯棒性與泛化性。(定西)
