阿里巴巴旗下高德发布ABot具身体系全栈升级，一口气推出五款新模型，并在17项权威基准测试中取得SOTA。这不是简单的“技术修修补补”，而是从感知、决策、执行到记忆，将机器人自主执行通用任务的能力整体拉升了一个台阶。具身智能的演进，正从“局部技术提升”全面迈向“体系化跃迁”。

ABot体系：自进化闭环飞轮

ABot体系从设计之初就不是为了打造一个“单项冠军”。它更像一个有机生命体，将世界模型、基座模型和具身Agent架构紧密耦合在一起。

相比那些只盯着单模型能力提升的研究，ABot的核心价值在于打通了自进化的闭环飞轮。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。

技术突破不再只反映在模型评测排名的数字上，而是直接转化为机器人在真实开放世界中的能力质变。五款新模型分别对应机器人的“手、脚、脑、中枢和运动神经”，最终实现了“身随眼动、手脚并用、过目不忘”的里程碑。

ABot-N1：开放环境全自主导航

ABot体系通过机器人每一次自主导航，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。这就像一位终极运动员，在每次奔跑中都在优化自己的肌肉记忆和战术判断。

靠着这份空间直觉，ABot-N1只靠一张导航地图，就能完成城市级全自主导航。评测数据显示，在点位导航、目标导航、指令跟随、兴趣点导航与人物跟随这五大任务上，它均领先同类模型，室外导航成功率高达92.9%。“边跑边长”的空间直觉，正是ABot自进化带来的实战印证。

ABot-M0.5：全自主移动操作

长程任务最怕误差累积。一旦前期出现细小偏差，后面的任务就容易全面崩盘。ABot-M0.5的解决方案是“梦境自愈”训练方式。简单说，它能基于自己预测的“含噪视觉画面”继续生成动作，避免因细小偏差而失败。

这些自造数据通过ABot体系高效回流，推动模型持续进化，结果就是“越难越强”。在RoboCasa-365测试中，复杂任务领先前代SOTA高达20.4%，基础任务也领先了10.6%。

ABot-ER：取得3项SOTA，登顶Embodied Arena 2D-EQA

ABot-ER在数十家机构联合发布的Embodied Arena 2D-EQA中登顶，并取得3项SOTA。

ABot-AgentOS：跨任务、跨时间的多模态终身记忆

ABot-AgentOS将“想明白”真正变成了“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。这意味着，一套系统能适配人形、四足、轮式等异构机器人。

更关键的是，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——这才是真正的“过目不忘”。

ABot-AgentOS在Locomo等五大权威基准上均取得SOTA。

ABot-C0：运动神经，确保决策落地

运动神经是ABot-C0的职责。它构建了四足机器人统一的行为基座，确保ABot体系中的每一个决策，都能稳稳传导到机器人的动作上。这是模型能力外化的最后一环，也是把“脑内规划”变成“物理现实”的胜负手。

ABot体系支持异构机器人协作

从底层世界模型到顶层Agent架构，ABot的自进化能力实现了全栈智能涌现。机器人就像人类积累知识一样，在各个成长阶段都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/2607.10383
• ABot-M0.5：https://arxiv.org/pdf/2607.00678
• ABot-AgentOS：https://arxiv.org/abs/2607.10350
• ABot-C0：https://arxiv.org/abs/2607.07370

《夸克》非常好用的免费AI浏览器

下载APP查看