近日，阿里巴巴旗下高德地图披露了一项重大技术突破——其ABot具身智能体系实现了全栈式升级，一举推出五款全新模型，并在17项权威基准测试中夺得SOTA（当前最优）成绩。这并非普通意义上的“技术修补”，而是从感知、决策、执行到记忆等全维度，将机器人自主执行通用任务的能力提升至全新高度。具身智能领域的演进，正从“局部技术优化”全面迈向“体系化跨越式发展”。
ABot体系自设计之初，便不是追求“单项冠军”的产物。它更像一个有机生命体，将世界模型、基座模型与具身Agent架构紧密融合。与单纯聚焦单模型能力提升的研究不同，ABot的核心价值在于构建了一个自进化的闭环飞轮：仿真训练、物理交互与记忆调度相互赋能，驱动整个系统持续迭代。技术实力的提升不仅体现在模型评测的排名数字上，更直接转化为机器人在真实开放环境中的能力质变。此次发布的五款新模型，分别对应机器人的“手、脚、脑、中枢与运动神经”，最终实现了“身随眼动、手脚并用、过目不忘”的里程碑式突破。
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，持续累积交互数据与决策经验，并将其内化为模型原生的空间直觉。这如同一位顶尖运动员，在每次奔跑中不断优化肌肉记忆与战术判断。凭借这种空间直觉，ABot-N1仅需一张导航地图，便能完成城市级全自主导航。评测数据显示，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场景中，它均领先同类模型，室外导航成功率高达92.9%。这种“边跑边长”的空间直觉，正是ABot自进化体系在实战中的有力印证。
ABot-M0.5全自主进行移动操作
长程任务最担心什么？误差累积。一旦前期出现细小偏差，后续任务便容易全面失控。ABot-M0.5的解决方案颇具创新——它采用了一套“梦境自愈”训练机制。简单来说，它能够基于自身预测的“含噪视觉画面”继续生成动作，从而避免因细微偏差导致的失败。这些自生成数据通过ABot体系高效回流，推动模型持续进化，最终实现“越难越强”的效果。在RoboCasa-365测试中，其复杂任务性能领先前代SOTA高达20.4%，基础任务也领先了10.6%。
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则真正实现了“想明白”到“做得到”的跨越。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。这意味着，一套系统能够适配人形、四足、轮式等异构机器人。更关键的是，它自带跨任务、跨时间的多模态终身记忆，能够基于任务失败轨迹定向优化记忆存储结构——这才是真正的“过目不忘”。
ABot-AgentOS在Locomo等五大权威基准上均取得SOTA
运动神经的职责由ABot-C0承担。它构建了四足机器人的统一行为基座，确保ABot体系中的每一个决策都能稳定传导至机器人的实际动作。这是模型能力外化的最后一环，也是将“脑内规划”转化为“物理现实”的关键胜负手。
ABot体系支持异构机器人协作
从底层世界模型到顶层Agent架构，ABot的自进化能力实现了全栈智能涌现。机器人如同人类积累知识一般，在各个成长阶段都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，融合更多形态的机器人，使它们在真实开放的世界中持续学习、自然演进。
各模型相关论文与详细技术报告可参考以下链接：
ABot-N1：https://arxiv.org/abs/2607.10383
ABot-M0.5：https://arxiv.org/pdf/2607.00678
ABot-AgentOS：https://arxiv.org/abs/2607.10350
ABot-C0：https://arxiv.org/abs/2607.07370