5月9日，备受瞩目的ICRA 2026官方赛事——AGIBOT World Challenge全球挑战赛圆满收官。在全球超过150支顶尖团队的激烈竞争中，来自高德地图与中国科学院自动化所模式识别实验室的联合团队“ABot-NeoVerse”，凭借其卓越的技术实力，在世界模型赛道中以0.829的总分一举夺魁，荣获冠军。

本届AGIBOT赛事共设立“推理—操作”与“世界模型”两大核心赛道，吸引了来自全球27个国家及地区的数百支顶尖科研团队参与。其中，世界模型赛道竞争尤为激烈，堪称“神仙打架”，汇聚了包括中科院工业人工智能研究所、中科院计算技术研究所、中国科学技术大学、重庆大学等在内的国内顶级科研力量。

ABot-NeoVerse团队的夺冠并非偶然，这标志着高德ABot全栈具身智能技术体系在系统性布局下取得了又一关键性成果。就在上月，高德已正式对外发布了这套旨在推动行业发展的完整技术架构。

简而言之，ABot体系是高德将其核心的空间智能能力，系统性拓展至具身智能领域的全栈解决方案。该体系整体采用三层架构设计，涵盖数据层、模型层与应用层，并遵循“数据驱动模型、模型服务应用、应用反哺数据”的闭环演进逻辑。这一耦合式设计思路，精准应对了当前制约具身智能行业发展的两大核心瓶颈：高质量训练数据的严重匮乏，以及仿真环境与真实世界之间的巨大鸿沟。可以说，ABot体系构建了全球首个面向通用人工智能（AGI）的全栈具身技术底座。

本次夺冠的ABot-NeoVerse，正是位于该体系最底层、最核心的数据层，堪称驱动整个技术架构高效运转的“核心燃料”。这里存在一个关键挑战：与数据丰富的大语言模型不同，用于训练具身智能机器人的高质量、多模态数据极其稀缺。通过真实机器人进行实地采集的成本极其高昂，比训练大模型高出数个数量级，这直接制约了整个行业的快速发展。

高德采取的突破性策略是，通过自研的高精度世界模型，来批量合成高保真度、高仿真度的训练数据。这不仅能够极大降低数据获取的成本与门槛，更是弥合“仿真到现实”语义鸿沟的关键技术路径。事实上，利用世界模型生成合成数据已成为全球应对“数据荒”的主流方法，但随之而来的核心难点在于：如何确保模型生成的数据既逼真清晰，又能严格遵循物理世界的客观规律，避免产生违背常识的“动作幻觉”？

本次AGIBOT挑战赛的赛题设计，恰恰精准击中了这一行业核心痛点。赛事重点考察参赛模型在给定初始视觉画面和机器人动作序列后，对后续物理状态演变的精准预测能力，并特意引入了大量不常见的长尾交互场景进行极限挑战。其本质，正是在严格拷问世界模型：你所生成的视频序列，能否在保证高视觉质量的同时，严格遵守物理规律，实现动作指令与物理结果的精确对应？

ABot-NeoVerse交出了一份令人瞩目的答卷。其在多步、复杂的操作任务中，持续保持了物体状态与运动结果的高度一致性，有效抑制了“动作幻觉”的产生。最终，该模型不仅在总成绩榜上登顶，更在Visual Quality（视觉质量，得分0.6246）与Action Following（动作跟随，得分0.9651）两项核心评测指标上实现了“霸榜”。这一成绩，直观印证了ABot体系在数据治理、合成与训练范式上，已经建立起显著的代际优势。

值得一提的是，在登顶AGIBOT全球挑战赛之前，高德ABot技术体系已在机器人抓取、导航、交互等15项国际权威评测中获得了SOTA（最佳性能）成绩。这套经过国际顶级赛场严苛验证的全栈技术底座，现已直接部署于“高德途途”机器人产品中。这使得“高德途途”在复杂的开放场景下，具备了传统机器人难以企及的泛化环境理解与自主任务执行能力，真正实现了从实验室算法突破到产品级全自主作业的关键跨越。