高德ABot全栈升级，以自进化体系让机器人身随眼动、手脚并用、过目不忘

来源：猎云网

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-EQA

ABot-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。