导语：近日，阿里巴巴集团旗下高德正式发布具身操作基座模子ABot-M0与具身导航基座模子ABot-N0

近日，阿里巴巴集团旗下高德正式发布具身操作基座模子ABot-M0与具身导航基座模子ABot-N0，补齐了具身呆板人范围化落地的两块焦点能力——操作的通用性及导航的长程性，并刷新了全世界多项权势巨子评测纪录，高德同样成为全世界首个于具身导航与具身操作上同步到达SOTA（今朝最佳、开始进的模子）的厂商。

ABot-M0：全世界首个同一架构的呆板人基础模子，让呆板人拥有 通用年夜脑

持久以来，呆板人技能的范围化运用面对诸多挑战，此中要害之一于在数据的割裂、动作暗示的不同一以和空间理解能力的不足。差别厂商、差别形态的呆板人往往利用各自自力的数据系统，致使模子难以跨平台复用，练习效率受限，部署成本高。

高德推出的 ABot-M0 作为一款通用的具身操作基础模子，从“数据同一—算法改造—空间感知”三个方面举行了体系性重构，致力在晋升模子于多样化呆板人形态及使命场景下的泛化能力。

ABot-M0模子架构图

ABot-M0 基在全世界开源资源，整合跨越 600 万条真实操作轨迹，构建了今朝范围最年夜的通用呆板人数据集。经由过程同一动作暗示、坐标系与节制频率，并采用增量式动作建模，实现了跨平台数据交融，支撑了彻底基在公然数据的预练习。

算法改造上，ABot-M0 提出了全世界首个动作流形进修：有用的呆板人动作受限在物理纪律、使命方针与情况约束，集中漫衍于低维布局化的流形上。设计了 AML（Action Manifold Learning）算法，使模子可以或许直接猜测布局合理、物理可行的动作序列，晋升计谋的不变性与解码效率。

为加强空间感知，ABot-M0 引入 3D 感知模块，加强模子对于“先后、远近、遮挡”等空间语义的理解，于繁杂情况中实现更精准的操作决议计划。

于 Libero、Libero-Plus、RoboCasa 基准测试中，该模子于包罗繁杂使命组合与动态场景扰动的设定下，平均使命乐成率均到达 SOTA。此中，Libero-Plus 基准上到达了 80.5%，较业界进步前辈方案pi0晋升近30%，揭示了其于高扰动高难度具身操作使命中的领先机能。

ABot-M0于Libero-Plus的评测

经由过程体系的工程设计与算法改良，ABot-M0 摸索了一条通向通器具身智能的技能路径，也为将来开放、同享的呆板人生态提供了可复现、可扩大的基础撑持。

ABot-N0：全世界首个五年夜导航使命同一的全栈导航基座模子

导航是呆板人进入物理开放世界的焦点基础能力，呆板人需要于动态且存于滋扰的情况里揭示出通用的步履能力，如跨场景送物或者追随办事，这同时也是具身智能演进的最终命题。

然而，当前的具身导航研究遍及深陷“碎片化”：主流要领往往针对于特定使命构建伶仃的专用架构，这不仅限定了模子的跨使命泛化能力，更拦阻了智能体从海量异构数据中提取同一物理先验的可能性。

这也是当前呆板人常陷在“情况看不懂、动作做禁绝”的焦点缘故原由，繁杂指令（如“去门口帮我看看快递”）更是难以履行。

高德推出的具身导航基座模子ABot-N0，以“全使命一统”为焦点方针，并实现全世界初次于单一模子中完备集成Point-Goal（点位导航）、Object-Goal（方针导航）、Instruction-Following（指令追随）、POI-Goal（兴致点导航）与Person-Following（人物追随）五年夜导航使命，有用冲破了传统架构中使命割裂的瓶颈。

好比，当用户对于搭载ABot-N0的具身呆板人说：“带我去奶茶店买一杯奶茶，再帮我占个座。”时体系会主动分化为详细的导航使命：起首履行Point-Goal，按照舆图影象靠近奶茶店区域；以后切换至POI-Goal，精准锁定店肆进口并接近；随后触发Instruction-Following，进入店肆并导航至柜台；末了履行Object-Goal，于店内寻觅空沙发并停泊。

相较在只能撑持部门使命的具身导航模子，高德ABot-N0所实现的五年夜导航使命给长程繁杂使命的履行提供了可行的解决方案。这一能力暗地里，是高德于架构设计、数据引擎及体系框架上的要害改造。

ABot-N0的数据、机能、使命概览

于模子架构上，ABot-N0采用条理化的“年夜脑‑动作”设计哲学：由“认知年夜脑”理解指令并做推理，由基在流匹配（Flow Matching）的“动作专家”天生切确且多峰漫衍的持续轨迹 。练习上，先让模子做认知练习热身，再用部门认知数据及海量导航动作举行结合监视微调，末了用强化进修把导航决议计划对于齐到人类偏好的举动价值，终极打造出真实情况中更通用的VLA基座模子。

于数据侧，依托高德持久沉淀的场景资产及专家示例，高德构建了业内最年夜范围的具身导航数据引擎，涵盖约 8000 个高保真 3D 场景等海量时空数据与近1700万条专家示例，从而加强模子于真实情况中的泛化能力与鲁棒性。

基在ABot-N0的体系性立异，其于CityWalker、SocNav、R2R-CE/RxR-CE、HM3D-OVON、BridgeNav、EVT-Bench七年夜权势巨子基准测试中周全刷新了世界纪录。此中于SocNav闭环仿真中，乐成率（SR）飙升40.5%，于HM3D-OVON评测中乐成率（SR）晋升8.8%，均显著强在以前的SOTA模子。

Point-Goal使命：于CityWalker和SocNav上别离举行开环及闭环评测

此外，为相识决呆板人于履行长程繁杂使命时的使命拆解与容错问题，高德提出了可落地的Agentic Navigation System具身导航体系框架，行成从“读懂指令”到“长程繁杂使命履行”的闭环能力架构，撑持呆板人于履行历程中连续感知、影象、决议计划与纠错。体系已经乐成部署在真实四足呆板人平台，并于边沿侧实现了高效推理与闭环节制，验证了其于动态实际情况中的泛化机能与工业级不变性。

雷峰网版权文章，未经授权禁止转载。详情见转载须知。