高德發布首個面向AGI的全棧具身技術體系“ABot”

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境全自主ABot體系，從架構上突破了傳統具身智能“單點拼湊、封閉驗證”的碎片化路徑，以AGI為核心目標，首次將數據引擎、基座模型與執行中樞耦合為統一系統。目前，高德ABot系列模型已經在全球15項權威基準測試中拿到SOTA。

據了解，ABot體系采用閉環飛輪式設計，涵蓋數據、模型、應用三層，架構并非簡單堆疊，而是深度咬合、互為引擎，實現“數據驅動模型、模型服務應用、應用反哺數據“。

據介紹，作為數據層的核心， ABot-World通過批量合成 Video、Depth、Point Cloud、Trajectory 四類訓練數據，配合RL Training Engine在虛擬環境里定義獎懲、反復試錯。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，將數據成本壓縮數個數量級。

模型層重點解決具身操作的通用性和導航的長程性，其核心是感知與決策。其中ABot-M負責操作，ABot-N負責導航，兩個模型分工訓練、通過 Model Skill機制組合調用，完成長程復雜任務。

應用層的核心是具身版“龍蝦”ABot-Claw，通過將異構機器人統一于共享認知框架之下，打造具備調度、記憶、分層控制與社會對齊能力的“執行中樞”，以應對長程任務閉環難、知識不共享等問題。

據悉，在PBench、EZSbench、WorldArena、Agibot World Challenge等主流評測中ABot-World持續領先，并成為唯一在物理合規性、動作可控性、零樣本泛化三大維度均達SOTA的模型。

此外，作為首個實現五大核心導航任務"大一統"的VLA基座模型，ABot-N具備意圖理解、自主決策與持續進化能力，是途途走向開放世界的核心導航引擎。ABot-M是全球首個統一架構的具身操作基座模型，其可實現一個“通用大腦”適配多種形態的機器人，大幅提升操作模型在異構機器人形態和任務場景下的泛化能力。其采用層級式“大腦-動作”架構，通過多模塊協同實現單一模型導航任務全覆蓋。ABot-N推出后，在VLN-CE（R2R/RxR）、HM3D-OVON、EVT-Bench等7大權威基準上全面刷新SOTA，并在導航精度、社會合規性、zero-shot泛化實現領先。

據介紹，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、魯棒性與跨形態遷移三個維度實現領先。

在ABot-Claw層面，作為ABot體系的“執行中樞”，ABot-Claw采用集中式Harness架構，將高德地圖與用戶私有地圖設為全局認知錨點，把多模態感知數據統一映射至共享語義空間，形成可動態刷新、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境認知。另外，ABot-Claw 采用"云端大腦—邊緣響應"兩級設計，兼顧智能深度與執行可靠性。在調度層面，該架構還支持多種異構機器人的并行協作與任務接力，故障時自動接續，實現任務上下文無縫移交與跨形態協作。ABot-Claw還首創閉環反饋與糾錯機制，在模糊指令理解、跨機導引等復雜場景中充分驗證其魯棒性與泛化性。（定西）