高德发布ABot系列基座模型，实现全球首个具身操作与导航双突破
近日，阿里巴巴集团旗下高德正式发布具身操作基座模型ABot-M0与具身导航基座模型ABot-N0，补齐了具身机器人规模化落地的两块核心能力——操作的通用性和导航的长程性，并刷新了全球多项权威评测纪录，高德也成为全球首个在具身导航与具身操作上同步达到SOTA（目前最好、最先进的模型）的厂商。
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
ABot-M0：全球首个统一架构的机器人基础模型，让机器人拥有"通用大脑"
长期以来，机器人技术的规模化应用面临诸多挑战，其中关键之一在于数据的割裂、动作表示的不统一以及空间理解能力的不足。不同厂商、不同形态的机器人往往使用各自独立的数据体系，导致模型难以跨平台复用，训练效率受限，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型，从“数据统一—算法革新—空间感知”三个方面进行了系统性重构，致力于提升模型在多样化机器人形态和任务场景下的泛化能力。
ABot-M0模型架构图
ABot-M0 基于全球开源资源，整合超过 600 万条真实操作轨迹，构建了目前规模最大的通用机器人数据集。通过统一动作表示、坐标系与控制频率，并采用增量式动作建模，实现了跨平台数据融合，支撑了完全基于公开数据的预训练。
算法革新上，ABot-M0 提出了全球首个动作流形学习：有效的机器人动作受限于物理规律、任务目标与环境约束，集中分布在低维结构化的流形上。设计了 AML（Action Manifold Learning）算法，使模型能够直接预测结构合理、物理可行的动作序列，提升策略的稳定性与解码效率。
为增强空间感知，ABot-M0 引入 3D 感知模块，增强模型对“前后、远近、遮挡”等空间语义的理解，在复杂环境中实现更精准的操作决策。
在 Libero、Libero-Plus、RoboCasa 基准测试中，该模型在包含复杂任务组合与动态场景扰动的设定下，平均任务成功率均达到 SOTA。其中，Libero-Plus 基准上达到了 80.5%，较业界先进方案pi0提升近30%，展现了其在高扰动高难度具身操作任务中的领先性能。
ABot-M0在Libero-Plus的评测
通过系统的工程设计与算法改进，ABot-M0 探索了一条通向通用具身智能的技术路径，也为未来开放、共享的机器人生态提供了可复现、可扩展的基础支持。
ABot-N0：全球首个五大导航任务统一的全栈导航基座模型
导航是机器人进入物理开放世界的核心基础能力，机器人需要在动态且存在干扰的环境里展现出通用的行动能力，如跨场景送物或跟随服务，这同时也是具身智能演进的终极命题。
然而，当前的具身导航研究普遍深陷“碎片化”：主流方法往往针对特定任务构建孤立的专用架构，这不仅限制了模型的跨任务泛化能力，更阻碍了智能体从海量异构数据中提取统一物理先验的可能性。
这也是当前机器人常陷于“环境看不懂、动作做不准”的核心原因，复杂指令（如“去门口帮我看看快递”）更是难以执行。
高德推出的具身导航基座模型ABot-N0，以“全任务一统”为核心目标，并实现全球首次在单一模型中完整集成Point-Goal（点位导航）、Object-Goal（目标导航）、Instruction-Following（指令跟随）、POI-Goal（兴趣点导航）与Person-Following（人物跟随）五大导航任务，有效突破了传统架构中任务割裂的瓶颈。
比如，当用户对搭载ABot-N0的具身机器人说：“带我去奶茶店买一杯奶茶，再帮我占个座。”时系统会自动分解为具体的导航任务：首先执行Point-Goal，根据地图记忆接近奶茶店区域；之后切换至POI-Goal，精准锁定店铺入口并靠近；随后触发Instruction-Following，进入店铺并导航至柜台；最后执行Object-Goal，在店内寻找空沙发并停靠。
相较于只能支持部分任务的具身导航模型，高德ABot-N0所实现的五大导航任务给长程复杂任务的执行提供了可行的解决方案。这一能力背后，是高德在架构设计、数据引擎和系统框架上的关键革新。
ABot-N0的数据、性能、任务概览
在模型架构上，ABot-N0采用层次化的“大脑‑动作”设计哲学：由“认知大脑”理解指令并做推理，由基于流匹配（Flow Matching）的“动作专家”生成精确且多峰分布的连续轨迹 。训练上，先让模型做认知训练热身，再用部分认知数据和海量导航动作进行联合监督微调，最后用强化学习把导航决策对齐到人类偏好的行为价值，最终打造出真实环境中更通用的VLA基座模型。
在数据侧，依托高德长期沉淀的场景资产和专家示例，高德构建了业内最大规模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，从而增强模型在真实环境中的泛化能力与鲁棒性。
基于ABot-N0的系统性创新，其在CityWalker、SocNav、R2R-CE/RxR-CE、HM3D-OVON、BridgeNav、EVT-Bench七大权威基准测试中全面刷新了世界纪录。其中在SocNav闭环仿真中，成功率（SR）飙升40.5%，在HM3D-OVON评测中成功率（SR）提升8.8%，均显著强于之前的SOTA模型。
Point-Goal任务：在CityWalker及SocNav上分别进行开环和闭环评测
此外，为了解决机器人在执行长程复杂任务时的任务拆解与容错问题，高德提出了可落地的Agentic Navigation System具身导航系统框架，行成从“读懂指令”到“长程复杂任务执行”的闭环能力架构，支持机器人在执行过程中持续感知、记忆、决策与纠错。系统已成功部署于真实四足机器人平台，并在边缘侧实现了高效推理与闭环控制，验证了其在动态现实环境中的泛化性能与工业级稳定性。
相关攻略
宇树科技与阿里酝酿合作，机器人现身西溪园区 最近科技圈里有个消息传得挺热：宇树科技和阿里巴巴，这两家分别在机器人和电商领域举足轻重的公司，可能正在联手谋划一项重要的出海战略。这事儿要是成了，对行业格局的影响，恐怕不小。 消息的源头，是几张颇有故事感的现场照片。宇树科技最新的机器人产品R1，近日出现在
阿里发布 Wan2 7-Video 视频生成模型：“能导擅演”，聚焦创作全链路 今天下午，AI视频创作领域迎来一个重要更新：阿里正式上线了其视频生成模型Wan2 7-Video。这款新模型主打一个“全”字，支持文本、图像、视频、音频全模态输入，并将目光聚焦在“创作”的每一个环节上。从生成到编辑，从复
阿里云加码全球AI基建：五国新建数据中心，首次进入墨西哥市场 5月23日，阿里云的一则公告，在全球云计算市场投下了一枚重磅消息。他们宣布，将在韩国、马来西亚、菲律宾、泰国和墨西哥这五个国家，投资新建数据中心。这一轮海外扩张，目标非常明确——重点布局AI基础设施，为下一阶段的全球竞争全力冲刺。 值得注
告别“标准脸”与“色彩盲盒”：阿里Wan2 7-Image如何重塑AI生图体验 4月1日，阿里巴巴正式发布了图像生成与编辑统一模型Wan2 7-Image。这款新模型直指当前AI生图领域的两大核心痛点——千篇一律的“标准脸”审美疲劳和难以预测的“色彩盲盒”效应。它带来的，是真正意义上的“千人千面”生
风向要变？国行版苹果AI即将登场，背后推手浮出水面 最近科技圈有个消息传得沸沸扬扬：知名苹果记者Mark Gurman爆料，国行版的iOS 18 6很快就要解锁一部分Apple Intelligence功能了。这事儿本身不稀奇，真正值得细品的是背后的技术搭档——百度和阿里巴巴将共同为这次落地提供支持
热门专题
热门推荐
深度解析《星球大战：摩尔—暗影领主》达斯·摩尔邪恶搭档：间谍机器人Spybot全揭秘！ 全面剖析其独特造型设计、反派角色魅力与标志性呼噜声功能，揭秘它如何成为系列中最具趣味性的新晋角色。Disney+平台每周持续更新剧集。 当经典黑色电影的风格质感，与浩瀚无垠的《星球大战》宇宙相互融合，会诞生出怎样
《天堂：经典》新篇章“巴拉卡斯的藏身处，火龙巢xue”开启事前预约 消息来了：NCsoft旗下的《天堂：经典》已经正式启动了新篇章“巴拉卡斯的藏身处，火龙巢xue”的事前预约活动。对于老玩家而言，这无疑是一个值得关注的重要节点。 核心更新内容前瞻 根据官方安排，NCsoft计划于22日带来两大重磅内
12 0 5版本重磅更新：钥石神话与暗影冠军成就详解！3400分达成攻略与赛季坐骑奖励全解析 暴雪于最新公告中宣布，12 0 5补丁将正式上线两项全新成就——“钥石神话”与“暗影冠军”。这不仅为玩家提供了独特的赛季奖励，更在赛季中后期注入了持续挑战史诗钥石地下城的核心动力。普遍认为，当前“午夜赛季”
NA VI临时招入ComeBack替代ExiT！了解签证问题细节、新阵容名单及ComeBack在EMEA VCT的首秀表现 Natus Vincere的阵容名单上，出现了一个临时的新名字。为了应对Abdullah “ExiT” Al-Twaijri的签证问题，队伍紧急招募了Berkcan “Come
《红色沙漠》专注力掌获取攻略：第4章钢铁山脉西侧学习位置与使用方法，错过可随时返回补学！ 在《红色沙漠》的开放世界中，通过观察环境来领悟新技能，是扩充你战斗与探索技能库最核心的途径。然而，若你一味专注于推进主线剧情，很可能会与一些极为关键的实用技能失之交臂。“专注力掌”便是这样一个技能——它不仅对解