4月19日消息，在2026北京亦莊機器人半程馬拉松上，阿里巴巴旗下高德正式公開全球首款開放環(huán)境全自主具身機器人"高德途途"，這款四足機器人成功協(xié)助視障人士完成復雜避障、人群穿行等實戰(zhàn)挑戰(zhàn)。

途途能夠應對導盲等嚴苛場景的底層依托，正是高德全新發(fā)布的ABot全棧具身技術(shù)體系。該體系基于上萬種真實場景與千萬級多模態(tài)Clip數(shù)據(jù)，將高德沉淀的空間智能資產(chǎn)高效轉(zhuǎn)化為具身核心訓練資源，打造出全球首個面向AGI的全棧具身技術(shù)體系。

ABot體系，從架構(gòu)上突破了傳統(tǒng)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(shù)據(jù)引擎、基座模型與執(zhí)行中樞耦合為統(tǒng)一系統(tǒng)。目前，高德ABot系列模型已經(jīng)在全球15項權(quán)威基準測試中拿到SOTA。

ABot體系：三層飛輪式設計 構(gòu)建持續(xù)進化的具身智能閉環(huán)

ABot體系采用閉環(huán)飛輪式設計，涵蓋數(shù)據(jù)、模型、應用三層，架構(gòu)并非簡單堆疊，而是深度咬合、互為引擎，實現(xiàn)“數(shù)據(jù)驅(qū)動模型、模型服務應用、應用反哺數(shù)據(jù)“，精準擊穿數(shù)據(jù)稀缺、仿真鴻溝與技能泛化三大行業(yè)瓶頸，形成持續(xù)自我進化的完整閉環(huán)。

數(shù)據(jù)是具身智能的核心“燃料”，直接決定其泛化能力的天花板。不同于大語言模型，傳統(tǒng)真機采集難以規(guī)模化，成本呈指數(shù)級攀升。

作為數(shù)據(jù)層的核心， ABot-World通過批量合成 Video、Depth、Point Cloud、Trajectory 四類訓練數(shù)據(jù)，配合RL Training Engine在虛擬環(huán)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，從而彌合Sim-to-Real鴻溝，將數(shù)據(jù)成本壓縮數(shù)個數(shù)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(diào)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(gòu)機器人統(tǒng)一于共享認知框架之下，打造具備調(diào)度、記憶、分層控制與社會對齊能力的“執(zhí)行中樞”，以應對長程任務閉環(huán)難、知識不共享等問題。

ABot體系的設計邏輯，直接沿襲自高德的空間智能飛輪：依托近10億月活場景產(chǎn)生的海量時空數(shù)據(jù)與實時反饋，算法在閉環(huán)中持續(xù)迭代，推動模型對物理世界的認知不斷加深，飛輪每日在真實世界中自動演進，從根本上界定了高德的體系化優(yōu)勢：不依賴單點技術(shù)突破，而是依靠飛輪在真實場景中持續(xù)運轉(zhuǎn)的“轉(zhuǎn)速”。

ABot-World：在物理合規(guī)性、動作可控性、零樣本泛化三大維度均達SOTA

當主流世界模型仍受困于“視覺幻覺”與動力學脫節(jié)時，ABot-World率先突破，成為全球首個將物理定律深度嵌入生成全流程的可微分、可進化動力學引擎。作為ABot體系的底層仿真基座，它直接決定了上層模型的物理一致性與泛化上限。正是以該引擎為核心，ABot體系徹底打通“虛擬訓練-真實部署”閉環(huán)。

架構(gòu)上，ABot-World專為具身智能設計了14B DiT架構(gòu)，以觀測與動作為輸入，在潛空間直接生成符合時空動力學的未來狀態(tài)序列，并基于千萬級真實數(shù)據(jù)與多層級采樣治理，突破單一任務的泛化制約。

場景構(gòu)建上，3DGS冷啟動空間基座面向手機拍攝、航測圖等稀疏輸入，通過"粗建模、高保真修復再到蒸餾回環(huán)"的自動化流程，將低質(zhì)量視頻轉(zhuǎn)化為高質(zhì)量3D場景，大幅拉低數(shù)據(jù)成本。

訓練方面，模型首創(chuàng) Diffusion-DPO物理偏好對齊框架，由 VLM生成物理規(guī)則清單并獨立判別，構(gòu)建優(yōu)劣樣本對，驅(qū)動模型主動抑制違反物理規(guī)律的行為。同時，拉格朗日動力學與 3DGS重建的融合使得每一幀畫面都成為包含質(zhì)量、摩擦、接觸力等屬性的可微分物理快照。

除此之外，ABot-World還構(gòu)建了"訓練+數(shù)據(jù)"雙引擎并行架構(gòu)，實現(xiàn)模型自進化。依托自有地圖與脫敏數(shù)據(jù)，結(jié)合3DGS技術(shù)實現(xiàn)厘米級重建與光照一致性，系統(tǒng)已累計生產(chǎn)萬級3D真實場景、百萬級推理數(shù)據(jù)與千萬級訓練軌跡，覆蓋99%的典型生活場景。通過接入VLA閉環(huán)，模型實現(xiàn)"預測即訓練，演練即學習"的持續(xù)進化，并經(jīng)由跨形態(tài)動作映射，統(tǒng)一支持多種機械形態(tài)的精確控制。

在PBench、EZSbench、WorldArena、Agibot World Challenge等主流評測中ABot-World持續(xù)領(lǐng)先，并成為唯一在物理合規(guī)性、動作可控性、零樣本泛化三大維度均達SOTA的模型。

ABot-N& ABot-M：ABot體系的“運動雙核”跨本體導航與操作基座斬獲11項SOTA

若將ABot全棧體系視為具身智能的“運行大腦”，ABot-N與ABot-M便是其“運動雙核”，分別掌管機器人的“雙腿”與“雙手”，直接響應物理世界中“去哪里”與“做什么”的基礎(chǔ)指令。依托統(tǒng)一架構(gòu)設計，高德打造出可解耦和協(xié)同的專用基座模型，突破跨形態(tài)適配與跨任務泛化的技術(shù)瓶頸。

作為全球首個實現(xiàn)五大核心導航任務"大一統(tǒng)"的VLA基座模型，ABot-N具備意圖理解、自主決策與持續(xù)進化能力，是途途走向開放世界的核心導航引擎。其采用層級式“大腦-動作”架構(gòu)，通過多模塊協(xié)同實現(xiàn)單一模型導航任務全覆蓋，打破傳統(tǒng)專用架構(gòu)的泛化天花板。

ABot-N推出后，迅速在VLN-CE（R2R/RxR）、HM3D-OVON、EVT-Bench等7大權(quán)威基準上全面刷新SOTA，并在導航精度、社會合規(guī)性、zero-shot泛化實現(xiàn)斷層式領(lǐng)先。

ABot-M是全球首個統(tǒng)一架構(gòu)的具身操作基座模型，其可實現(xiàn)一個“通用大腦”適配多種形態(tài)的機器人，大幅提升操作模型在異構(gòu)機器人形態(tài)和任務場景下的泛化能力。

ABot-M提出了全球首個動作流形學習，將學習目標由去噪重構(gòu)轉(zhuǎn)為流形投影，顯著提升動作生成的穩(wěn)定性與解碼效率，在高自由度全身控制等復雜場景中展現(xiàn)出更強的可擴展性。并且在感知端，采用語義流和動作流雙流并行的架構(gòu)，提升精細操作的執(zhí)行精度。

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(tài)遷移三個維度實現(xiàn)系統(tǒng)性領(lǐng)先。

不僅如此，ABot-N、ABot-M的多項子成果入選 ICLR、CVPR等頂會，成為精確、高效、安全的機器人導航、操作的范式參考。

ABot-Claw：首創(chuàng)“Map as Memory”的通用集中式Harness架構(gòu)

記憶是機器人跨越認知與執(zhí)行鴻溝的底層基石。傳統(tǒng)機器視覺受限于“視野之外即荒原”，記憶呈場景碎片化，嚴重制約泛化能力。

為突破這一瓶頸，ABot-Claw首創(chuàng)“Map as Memory”理念，重構(gòu)具身智能的記憶機制。作為ABot體系的“執(zhí)行中樞”，ABot-Claw采用集中式Harness架構(gòu)，將高德地圖與用戶私有地圖設為全局認知錨點，把多模態(tài)感知數(shù)據(jù)統(tǒng)一映射至共享語義空間，形成可動態(tài)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(huán)境認知，徹底粉碎場景孤島。

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(zhí)行可靠性。在調(diào)度層面，該架構(gòu)還支持多種異構(gòu)機器人的并行協(xié)作與任務接力，故障時自動接續(xù)，實現(xiàn)任務上下文無縫移交與跨形態(tài)協(xié)作，這標志著機器人系統(tǒng)從“單體智能”向“體系智能”的演進，機器人不再是孤立個體，而是共享記憶、統(tǒng)一調(diào)度、協(xié)同進化的智能網(wǎng)絡節(jié)點。

ABot-Claw還首創(chuàng)閉環(huán)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。

伴隨高德途途的全球首秀，高德同步宣布將開源ABot全體系，此舉不僅是對“AMAP AI Inside”核心理念的深度踐行，更將重塑具身智能的研發(fā)范式，加速AGI時代的全面到來。