近日阿里巴巴集团旗下高德宣布ABot具身体系完成全栈升级一次性发布ABot-N1、ABot-M0.5、ABot-ER、ABot-AgentOS、ABot-C0五款模型并在17项权威基准中拿下SOTA当前全球最好成绩。通过一次覆盖感知、决策、执行、记忆的体系化升级高德全方位提升机器人自主执行通用任务的能力推动具身智能的演进从“局部技术提升”全面迈向“体系化跃迁”。作为全球首个全栈具身技术体系ABot将世界模型、基座模型与具身Agent架构耦合为一个高度协同的“有机生命体”。相比聚焦单模型能力的研究体系化的核心价值在于打通自进化闭环飞轮仿真训练、物理交互与记忆调度彼此反哺驱动整个系统持续提升让技术突破不只反映在模型评测排名更直接转化为机器人在真实开放世界中的能力质变——五款新模型分别映射机器人的“手、脚、脑、中枢和运动神经”达成“身随眼动、手脚并用、过目不忘”的里程碑。全栈体系沉淀“空间直觉”ABot-N1让机器人身随眼动ABot-N1作为通用导航基座模型是机器人的“双脚”。机器人想要进入开放环境执行通用任务第一步是“走进去”。常规导航地图服务人类即便路线标在机动车道人凭常识也能安全通行。机器人缺乏细粒度空间感知无法直接应用导航地图。为此ABot-N1设计了快慢双系统架构慢系统负责长程逻辑推理快系统负责实时控制。出现导航偏差等问题时模型会基于慢系统的正确推理将导航权限回退至视觉判断让机器人既看得清又走得稳真正做到身随眼动。同时模型首创像素级思维链能结合视觉画面与语言逻辑完整展现推理过程既消除了部署黑箱也让每个决策都可追溯、可沉淀。ABot-N1开放环境全自主导航克服定位偏差ABot体系通过机器人的每一次自主导航持续收集交互数据与决策经验并将其内化为模型原生的空间直觉。依靠这份空间直觉ABot-N1仅靠导航地图也能完成城市级全自主导航。评测显示ABot-N1在点位导航、目标导航、指令跟随、兴趣点导航与人物跟随五大任务上均领先同类模型室外导航成功率达92.9%。这份边跑边长的空间直觉正是ABot自进化带来的实战印证。ABot-N1在R2R-CE等5项权威基准取得SOTA全栈体系激活“数据回流”ABot-M0.5让机器人手脚并用ABot-M0.5是ABot体系中连接能动与能干的关键一环。作为一款通用操作基座模型ABot-M0.5对应的是机器人的“双手”。真实场景中的长程操作任务往往涉及机器人从移动到操作多个步骤。即便是去饮水机接一杯水也需要机器人在极细的时间粒度上对齐目标识别与移动操作。传统的操作模型会把移动与操作线性串联容易一步卡住直接崩溃。ABot-M0.5将机器人运动与操作拆分为两条互不干扰的动作流并引入帧级隐式动作让机器人在更细的时间颗粒上实现眼、手、脚的实时对齐真正像人一样能够手脚并用。ABot-M0.5全自主进行移动操作面对长程任务极易出现的误差累积全栈体系激活的“数据回流”机制成为机器人保持稳定的关键。ABot-M0.5具备独特的梦境自愈训练方式它能基于自身预测的“含噪视觉画面”继续生成动作以避免因细小偏差造成的任务失败。这些自造数据通过ABot体系高效回流推动模型持续进化使其在测试中呈现出越难越强的特质。其在RoboCasa-365测试中复杂任务领先前代SOTA20.4%、基础任务领先10.6%。ABot-M0.5在LIBERO、Robo-Twin等4项权威基准中均取得SOTA全栈体系闭环“终身记忆”ABot-ER与ABot-AgentOS让机器人过目不忘当机器人拥有了“身随眼动”与“手脚并用”的敏捷身手便需要顶层的具身Agent架构来集中调配各项能力。其组成包括具身大脑ABot-ER与执行中枢ABot-AgentOS。ABot-ER负责统一支持机器人从感知到行动的全流程判断让机器人超越单纯的视觉判别更能想明白物体、空间与任务之间的关系并做出合理决策。ABot-ER取得3项SOTA并登顶数十家机构联合发布的Embodied Arena 2D-EQAABot-AgentOS则进一步把想明白转化为做得到它将规划、调用、执行与验证从机器人本体中解耦通过插件式Skill接入本体并自动完成闭环验证使一套系统能够适配人形、四足、轮式等异构机器人同时它自带跨任务、跨时间的多模态终身记忆能基于任务失败轨迹定向优化记忆存储结构。ABot-AgentOS多模态终身记忆 过目不忘这两款模型构成的智能体架构是ABot体系实现闭环自进化的核心。它们在保证本地私有化记忆的前提下将任务中沉淀的数据转化为记忆与决策参考后回填至ABot体系成为所有模型的共享资产。凭借这种系统级的经验反哺各类机器人都能做到过目不忘、举一反三。ABot-AgentOS在Locomo等五大权威基准上均取得SOTA由ABot-C0运控系统组成的运动神经是实现模型能力外化的最后一环。该模型通过构建四足机器人统一的行为基座将ABot体系的每一个决策稳稳传导到机器人动作上。ABot体系支持异构机器人协作ABot的自进化能力实现了从底层世界模型到顶层Agent架构的全栈智能涌现让机器人像人类积累知识一样在各个成长阶段皆能展现出高度统一的通用型智能。未来ABot将持续深入基础探索融入更多形态的机器人让它们在真实开放的世界中持续学习、自然演进。附各模型论文地址ABot-N1 https://arxiv.org/abs/2607.10383ABot-M0.5https://arxiv.org/pdf/2607.00678ABot-AgentOShttps://arxiv.org/abs/2607.10350ABot-C0https://arxiv.org/abs/2607.07370
近日阿里巴巴集团旗下高德宣布ABot具身体系完成全栈升级一次性发布ABot-N1、ABot-M0.5、ABot-ER、ABot-AgentOS、ABot-C0五款模型并在17项权威基准中拿下SOTA当前全球最好成绩。通过一次覆盖感知、决策、执行、记忆的体系化升级高德全方位提升机器人自主执行通用任务的能力推动具身智能的演进从“局部技术提升”全面迈向“体系化跃迁”。作为全球首个全栈具身技术体系ABot将世界模型、基座模型与具身Agent架构耦合为一个高度协同的“有机生命体”。相比聚焦单模型能力的研究体系化的核心价值在于打通自进化闭环飞轮仿真训练、物理交互与记忆调度彼此反哺驱动整个系统持续提升让技术突破不只反映在模型评测排名更直接转化为机器人在真实开放世界中的能力质变——五款新模型分别映射机器人的“手、脚、脑、中枢和运动神经”达成“身随眼动、手脚并用、过目不忘”的里程碑。全栈体系沉淀“空间直觉”ABot-N1让机器人身随眼动ABot-N1作为通用导航基座模型是机器人的“双脚”。机器人想要进入开放环境执行通用任务第一步是“走进去”。常规导航地图服务人类即便路线标在机动车道人凭常识也能安全通行。机器人缺乏细粒度空间感知无法直接应用导航地图。为此ABot-N1设计了快慢双系统架构慢系统负责长程逻辑推理快系统负责实时控制。出现导航偏差等问题时模型会基于慢系统的正确推理将导航权限回退至视觉判断让机器人既看得清又走得稳真正做到身随眼动。同时模型首创像素级思维链能结合视觉画面与语言逻辑完整展现推理过程既消除了部署黑箱也让每个决策都可追溯、可沉淀。ABot-N1开放环境全自主导航克服定位偏差ABot体系通过机器人的每一次自主导航持续收集交互数据与决策经验并将其内化为模型原生的空间直觉。依靠这份空间直觉ABot-N1仅靠导航地图也能完成城市级全自主导航。评测显示ABot-N1在点位导航、目标导航、指令跟随、兴趣点导航与人物跟随五大任务上均领先同类模型室外导航成功率达92.9%。这份边跑边长的空间直觉正是ABot自进化带来的实战印证。ABot-N1在R2R-CE等5项权威基准取得SOTA全栈体系激活“数据回流”ABot-M0.5让机器人手脚并用ABot-M0.5是ABot体系中连接能动与能干的关键一环。作为一款通用操作基座模型ABot-M0.5对应的是机器人的“双手”。真实场景中的长程操作任务往往涉及机器人从移动到操作多个步骤。即便是去饮水机接一杯水也需要机器人在极细的时间粒度上对齐目标识别与移动操作。传统的操作模型会把移动与操作线性串联容易一步卡住直接崩溃。ABot-M0.5将机器人运动与操作拆分为两条互不干扰的动作流并引入帧级隐式动作让机器人在更细的时间颗粒上实现眼、手、脚的实时对齐真正像人一样能够手脚并用。ABot-M0.5全自主进行移动操作面对长程任务极易出现的误差累积全栈体系激活的“数据回流”机制成为机器人保持稳定的关键。ABot-M0.5具备独特的梦境自愈训练方式它能基于自身预测的“含噪视觉画面”继续生成动作以避免因细小偏差造成的任务失败。这些自造数据通过ABot体系高效回流推动模型持续进化使其在测试中呈现出越难越强的特质。其在RoboCasa-365测试中复杂任务领先前代SOTA20.4%、基础任务领先10.6%。ABot-M0.5在LIBERO、Robo-Twin等4项权威基准中均取得SOTA全栈体系闭环“终身记忆”ABot-ER与ABot-AgentOS让机器人过目不忘当机器人拥有了“身随眼动”与“手脚并用”的敏捷身手便需要顶层的具身Agent架构来集中调配各项能力。其组成包括具身大脑ABot-ER与执行中枢ABot-AgentOS。ABot-ER负责统一支持机器人从感知到行动的全流程判断让机器人超越单纯的视觉判别更能想明白物体、空间与任务之间的关系并做出合理决策。ABot-ER取得3项SOTA并登顶数十家机构联合发布的Embodied Arena 2D-EQAABot-AgentOS则进一步把想明白转化为做得到它将规划、调用、执行与验证从机器人本体中解耦通过插件式Skill接入本体并自动完成闭环验证使一套系统能够适配人形、四足、轮式等异构机器人同时它自带跨任务、跨时间的多模态终身记忆能基于任务失败轨迹定向优化记忆存储结构。ABot-AgentOS多模态终身记忆 过目不忘这两款模型构成的智能体架构是ABot体系实现闭环自进化的核心。它们在保证本地私有化记忆的前提下将任务中沉淀的数据转化为记忆与决策参考后回填至ABot体系成为所有模型的共享资产。凭借这种系统级的经验反哺各类机器人都能做到过目不忘、举一反三。ABot-AgentOS在Locomo等五大权威基准上均取得SOTA由ABot-C0运控系统组成的运动神经是实现模型能力外化的最后一环。该模型通过构建四足机器人统一的行为基座将ABot体系的每一个决策稳稳传导到机器人动作上。ABot体系支持异构机器人协作ABot的自进化能力实现了从底层世界模型到顶层Agent架构的全栈智能涌现让机器人像人类积累知识一样在各个成长阶段皆能展现出高度统一的通用型智能。未来ABot将持续深入基础探索融入更多形态的机器人让它们在真实开放的世界中持续学习、自然演进。附各模型论文地址ABot-N1 https://arxiv.org/abs/2607.10383ABot-M0.5https://arxiv.org/pdf/2607.00678ABot-AgentOShttps://arxiv.org/abs/2607.10350ABot-C0https://arxiv.org/abs/2607.07370
