編輯｜杜偉

今天上午，北京亦莊再度迎來了一場屬于機(jī)器人的「硬核大考」。

2026 人形機(jī)器人半程馬拉松比賽正式鳴槍開跑！

來自國內(nèi)外數(shù)十家團(tuán)隊(duì)的 300 余臺機(jī)器人同場競技，在城市主干道、GT 賽車級復(fù)雜路段等多樣地形中展開比拼，角逐出各個(gè)賽事的最終贏家。

在一眾高矮不同、形態(tài)各異的人形機(jī)器人中間，一只格外醒目的四足機(jī)器人進(jìn)入了我們的視線。打聽后才知道，它是高德地圖首次亮相的機(jī)器人產(chǎn)品，名字叫做「高德途途」

與其他機(jī)器人在固定賽道比拼速度不同，高德途途是帶著一位視障少年參加的障礙賽，它不依賴預(yù)設(shè)路線，也不需要人工遙控，就可以在真實(shí)開放環(huán)境中自主判斷路線、獨(dú)立行動(dòng)?？辞逖矍暗穆窙r還不夠，它還能結(jié)合全局信息感知到視野之外的變化，行進(jìn)中更安全、可靠。

除了看得準(zhǔn)、看得遠(yuǎn)，高德途途的思考能力也遠(yuǎn)非以往機(jī)械執(zhí)行命令的同類型產(chǎn)品所能比。它會(huì)先理解意圖，再?zèng)Q定如何做，并在遇到復(fù)雜環(huán)境時(shí)根據(jù)實(shí)際情況決定繞行還是通過。

多項(xiàng)能力的加身讓高德途途開始真正融入現(xiàn)實(shí)生活，并憑借更強(qiáng)的自主辦事能力，在更多場景展現(xiàn)出實(shí)際價(jià)值。

以往不敢讓機(jī)器人替我們完成的事情，比如出門買咖啡、送快遞、甚至導(dǎo)盲帶路，現(xiàn)實(shí)可行性顯著提升。

尤其是在導(dǎo)盲場景，高德帶著自家四足機(jī)器人展開了一場極限條件的能力驗(yàn)證?，F(xiàn)實(shí)世界的復(fù)雜路況、突發(fā)干擾，以及路徑選擇和實(shí)時(shí)避險(xiǎn)，每一步都對傳統(tǒng)導(dǎo)盲系統(tǒng)構(gòu)成巨大的挑戰(zhàn)。

作為全球首款開放環(huán)境全自主具身機(jī)器人，高德途途經(jīng)受住了一系列高強(qiáng)度考驗(yàn)，在充滿不確定的環(huán)境中持續(xù)做出判斷并完成任務(wù)。

在揭秘它靠什么來扛住這個(gè)高難場景之前，我們有必須講清楚，開放環(huán)境下的導(dǎo)盲到底卡在哪些地方。

導(dǎo)盲這道分水嶺

為何遲遲沒被跨過去

說到導(dǎo)盲，大家腦海中可能會(huì)浮現(xiàn)出這樣的畫面：視障人士牽著一只傳統(tǒng)導(dǎo)盲犬或者智能導(dǎo)盲機(jī)器人，為他們帶路，抵達(dá)目的地。

然而，如果將導(dǎo)盲放到開放環(huán)境中，其實(shí)遠(yuǎn)不止帶路這么簡單，而是多樣任務(wù)疊加在一起。

從任務(wù)尺度來看，導(dǎo)盲覆蓋跨層級的連續(xù)任務(wù)，近距離進(jìn)行遞物、取物這類精細(xì)交互，中距離完成取件、配送等流程調(diào)度，遠(yuǎn)距離則要保證在復(fù)雜街區(qū)導(dǎo)航甚至地鐵換乘中的安全。

這些需求本身已經(jīng)在逼近一套系統(tǒng)能力的上限，要真正跑通，繞不開以下三個(gè)核心難點(diǎn)：

一是長尾不確定性。真實(shí)世界沒有標(biāo)準(zhǔn)場景，突發(fā)情況幾乎不可避免；二是安全要求極高，任何一次判斷失誤都可能給視障人士帶來危險(xiǎn)；三是空間語義不完整，很多關(guān)鍵位置（如入口、通道）缺乏清晰、系統(tǒng)標(biāo)注，需要系統(tǒng)自己理解判斷。

這也解釋了為什么過去的方案一直做不成?？恳?guī)則拼接，只能覆蓋一小部分情況，一旦環(huán)境變了就容易失效；只靠單一感知模型，即使看得見，也未必真的理解了，更別說及時(shí)做出適當(dāng)?shù)姆磻?yīng)。

導(dǎo)盲真正難的不是識別本身，而在于準(zhǔn)確判斷什么時(shí)候該避讓，什么時(shí)候跟隨，并在不斷變化的環(huán)境中把動(dòng)作穩(wěn)定連貫地做下去。邁過這一步，才算是真正從實(shí)驗(yàn)室的演示，走到現(xiàn)實(shí)世界的可用。

從高德途途目前的表現(xiàn)來看，在導(dǎo)盲這樣的場景中，它已經(jīng)展現(xiàn)出了一條可落地的解決路徑：能自己出門，能理解意圖，也能把事情做完。

這一切的實(shí)現(xiàn)遠(yuǎn)非單個(gè)模型所能及，背后有一整套系統(tǒng)在支撐：從長期積累的空間智能數(shù)據(jù)，到導(dǎo)航與操作基座模型，再到負(fù)責(zé)統(tǒng)一調(diào)度與執(zhí)行閉環(huán)的智能中樞，它們構(gòu)成了高德 ABot 全棧體系

這是一個(gè)貫通數(shù)據(jù)、模型與 Agent 的三層架構(gòu)，數(shù)據(jù)層依托 ABot-World 世界模型，模型層依托 ABot-N0 導(dǎo)航?jīng)Q策與 ABot-M0 精細(xì)操作，Agent 層依托 ABot-Claw 任務(wù)調(diào)度與閉環(huán)糾錯(cuò)。

ABot 全棧技術(shù)架構(gòu)圖

當(dāng)落到導(dǎo)盲場景，則由 ABot-N0 提供開放環(huán)境下的導(dǎo)航能力底座，ABot-Claw 貫通意圖理解、記憶檢索、任務(wù)拆解、動(dòng)態(tài)調(diào)度與閉環(huán)糾錯(cuò)，它們共同支撐機(jī)器人完成長程、跨域連續(xù)任務(wù)；在需要具體物理操作時(shí)，ABot-M0 介入完成最后一步。

這套 ABot 全棧體系的加持，才讓高德途途有底氣向?qū)ご淼囊活愖畹湫驼鎸?shí)世界問題發(fā)起挑戰(zhàn)：開放環(huán)境、長程任務(wù)、極高安全要求與極低容錯(cuò)空間。

當(dāng)這類問題有了解法，帶來的影響不再局限于導(dǎo)盲本身。像城市配送、巡檢、服務(wù)這些同樣需要在開放環(huán)境中長期運(yùn)行的任務(wù)，也在同一條能力線上。導(dǎo)盲能跑通，這些場景離真正落地也更近了一步。

具身導(dǎo)航與操作

打造雙核心通用基座

將這兩年具身智能的發(fā)展拉長來看，我們會(huì)發(fā)現(xiàn)一個(gè)明顯的趨勢：模型能力在不斷變強(qiáng)，但系統(tǒng)層面的整合依然是個(gè)難題。

不同廠商、不同形態(tài)的具身機(jī)器人，大多仍在使用各自的動(dòng)作表示和數(shù)據(jù)體系，導(dǎo)致彼此之間很難打通。數(shù)據(jù)復(fù)用受限，模型遷移成本高，換個(gè)新場景就得大量重新適配。這也是為什么不少系統(tǒng)能在單項(xiàng)任務(wù)上做到很高水平，但一旦放到同一個(gè)復(fù)雜場景中便容易掉鏈子，很難真正配合起來。

說到底，單個(gè)模塊的強(qiáng)弱已經(jīng)不起決定性作用，更大的問題在于缺少一套將不同能力統(tǒng)一起來的基座模型，既能覆蓋不同任務(wù)，又能在不同場景與不同機(jī)器人形態(tài)之間用得起來。

正是在這樣的背景下，高德選擇推出 ABot 系列具身基座模型，包括導(dǎo)航基座模型 ABot-N0 和操作基座模型 ABot-M0，它們讓機(jī)器人走進(jìn)開放環(huán)境并穩(wěn)定運(yùn)行有了現(xiàn)實(shí)可行性。

其中負(fù)責(zé)機(jī)器人「腿」的 ABot-N0 被打造成為業(yè)內(nèi)最強(qiáng)導(dǎo)航基座模型，基于業(yè)內(nèi)首個(gè)面向具身導(dǎo)航的流強(qiáng)化學(xué)習(xí)框架，讓機(jī)器人在城市級動(dòng)態(tài)環(huán)境中持續(xù)決策，理解人流、規(guī)則等復(fù)雜因素，而不是只做靜態(tài)路徑規(guī)劃。

ABot-N0 的一大核心突破是將導(dǎo)航從「多任務(wù)拼接」重構(gòu)為一個(gè)「統(tǒng)一模型」驅(qū)動(dòng)的能力體系。簡單來說，原本分散在不同模型里的導(dǎo)航能力，現(xiàn)在可以在一個(gè)模型里解決。當(dāng)這些能力不再與某一項(xiàng)任務(wù)或某一種機(jī)器人形態(tài)深度綁定時(shí)，它們具備了更強(qiáng)的遷移能力。同一套「導(dǎo)航大腦」可以在四足、輪式和人形等不同機(jī)器人上復(fù)用，具體的執(zhí)行只需要根據(jù)結(jié)構(gòu)進(jìn)行適配即可。

現(xiàn)在，ABot-N0 可以一對多地處理五大類核心導(dǎo)航任務(wù)：按坐標(biāo)走到指定位置（Point-Goal）；在陌生環(huán)境找到目標(biāo)物（Object-Goal）；理解并執(zhí)行復(fù)雜指令（Instruction-Following）；跟隨行人在動(dòng)態(tài)環(huán)境中移動(dòng)（Person-Following）；識別商場、店鋪等興趣點(diǎn)（POI-Goal）并導(dǎo)航至入口。

當(dāng)然，這些能力不是簡單堆出來的，源于 ABot-N0 在架構(gòu)上的取舍，它把思考和行動(dòng)分層處理，并在同一套 VLA（視覺 - 語言 - 動(dòng)作）框架下將理解、決策和執(zhí)行銜接了起來。整個(gè)系統(tǒng)可以拆解為以下三層：

第一層是統(tǒng)一多模態(tài)編碼器，它負(fù)責(zé)將圖像、歷史觀測、文本指令、空間坐標(biāo)全部映射到同一個(gè)語義空間。不同任務(wù)在進(jìn)入模型之前就已經(jīng)「說同一種語言」，后面的決策可以在同一個(gè)上下文里展開。

第二層是負(fù)責(zé)「想明白」的認(rèn)知大腦。它基于預(yù)訓(xùn)練的大語言模型，但沒有簡單沿用主流串行 CoT 的方式，而是做了一個(gè)更偏工程化的設(shè)計(jì)：把推理和動(dòng)作拆成兩個(gè)分支，提出了任務(wù)條件式雙頭設(shè)計(jì)（Task-Conditional Dual-Head），需要理解場景、判斷規(guī)則時(shí)交給推理頭，需要快速執(zhí)行動(dòng)作時(shí)直接調(diào)用動(dòng)作頭。并且，這兩部分不是一前一后的串聯(lián)關(guān)系，它們基于同一套內(nèi)部理解協(xié)同工作：很多推理并不會(huì)被顯式輸出，但會(huì)直接影響后續(xù)動(dòng)作決策。

最后一部分是動(dòng)作專家，負(fù)責(zé)「把事情做出來」。它采用流匹配生成連續(xù)軌跡，一次給出一段平滑的運(yùn)動(dòng)路徑，比如 5 個(gè)路點(diǎn)（x, y, z, yaw）。這讓機(jī)器人在面對復(fù)雜環(huán)境時(shí)能夠走得更自然，也能在多種可行路徑之間靈活選擇。

ABot-N0 架構(gòu)示意圖

ABot-N0 之所以能把導(dǎo)航能力做統(tǒng)一、做泛化，很大程度上依賴其構(gòu)建的具身智能領(lǐng)域目前最大的數(shù)據(jù)引擎：包括 7802 個(gè)高保真 3D 場景、覆蓋五大導(dǎo)航任務(wù)的 1690 萬條專家軌跡以及覆蓋空間關(guān)系、社會(huì)規(guī)則和長程規(guī)劃的 500 萬條推理樣本。

這樣的數(shù)據(jù)規(guī)模是建立在高德長期積累的場景資產(chǎn)和空間能力之上：從真實(shí)世界的三維重建到場景理解再到生成式世界模型，這些能力讓大規(guī)模高保真訓(xùn)練環(huán)境成為可能。

從結(jié)果來看，ABot-N0 這套方法在工程上完全跑得通，在一系列高難度基準(zhǔn)上與現(xiàn)有方法拉開了明顯差距。并且這種領(lǐng)先不是集中在單一指標(biāo)，橫跨了多個(gè)任務(wù)和場景。

在 7 項(xiàng)國際權(quán)威具身導(dǎo)航基準(zhǔn)（CityWalker、SocNav、R2R-CE、RxR-CE、HM3D-OVON、BridgeNav、EVT-Bench）上，ABot-N0 全部達(dá)到 SOTA，覆蓋從室內(nèi)到室外、從靜態(tài)環(huán)境到人機(jī)混行的多任務(wù)范圍。

舉一個(gè)有代表性的場景，在 SocNav 閉環(huán)導(dǎo)航 中，ABot-N0 成功率達(dá)到 了 88.3%，相比此前最優(yōu)方法提升超過 40 個(gè)百分點(diǎn)，同時(shí)合規(guī)性指標(biāo)從 30% 區(qū)間飆升到 85% 以上。顯然，走通路徑已經(jīng)不在話下，更開始在真實(shí)人類環(huán)境中學(xué)會(huì)如何避讓、如何通行。

可以說，ABot-N0 是在五大導(dǎo)航任務(wù)、七類基準(zhǔn)、數(shù)十個(gè)強(qiáng)基線上全都強(qiáng)勢勝出。相關(guān)多個(gè)子研究成果也已被 CVPR 等頂級會(huì)議接收，工程效果和學(xué)術(shù)價(jià)值都得到了驗(yàn)證。

其中最具代表性的，高德聯(lián)合浙大提出的社會(huì)化導(dǎo)航基座模型 SocialNav，在具身導(dǎo)航領(lǐng)域首次引入基于流的強(qiáng)化學(xué)習(xí)框架，并以 6/6/5 接近滿分的成績?nèi)脒x CVPR Oral。這項(xiàng)工作通過分層設(shè)計(jì)和多階段訓(xùn)練，讓機(jī)器人在復(fù)雜人類環(huán)境中不只「走得到」，還會(huì)遵循交通規(guī)則和社會(huì)規(guī)范，真正把導(dǎo)航從單純的路徑規(guī)劃推進(jìn)到更接近現(xiàn)實(shí)世界的社會(huì)化決策。論文地址：https://github.com/AMAP-EAI/SocialNav

ABot-N0 解決了「往哪走」的問題，ABot-M0 負(fù)責(zé)「把操作動(dòng)作落實(shí)下去?！?/strong>但要把這一步做好，繞不開一個(gè)問題：機(jī)器人是不是一定要依賴一套封閉的數(shù)據(jù)體系才能把動(dòng)作做對。

過去大多數(shù)系統(tǒng)都走了這條路，不同機(jī)器人、不同任務(wù)各自采集數(shù)據(jù)、各自訓(xùn)練模型，彼此之間幾乎不通，動(dòng)作表達(dá)也不一致。結(jié)果就是，在一個(gè)場景里表現(xiàn)不錯(cuò)，一換環(huán)境就失效，很難形成真正能遷移的能力。

ABot-M0 走的是另一條路：沒有圍繞某一類機(jī)器人或某一類任務(wù)單獨(dú)建模，從一開始就用一套統(tǒng)一的動(dòng)作表示，把來自不同來源、不同形態(tài)的數(shù)據(jù)放到同一個(gè)體系里

圍繞這個(gè)思路，ABot-M0 在數(shù)據(jù)、表示和訓(xùn)練方式上都做了調(diào)整：聚合全球范圍內(nèi)的異構(gòu)開源數(shù)據(jù)，對齊不同機(jī)器人之間的動(dòng)作表示，讓原本割裂的數(shù)據(jù)能夠在同一套邏輯下被模型學(xué)習(xí)，最終形成了一個(gè)可以跨任務(wù)、跨本體遷移的操作模型。

首先在數(shù)據(jù)層面，ABot-M0 把來自不同機(jī)器人與任務(wù)的大規(guī)模數(shù)據(jù)統(tǒng)一起來，構(gòu)建目前最大的開源異構(gòu)數(shù)據(jù)集 UniACT，時(shí)長超過 9500 小時(shí)、軌跡達(dá) 600 多萬條、具身形態(tài)超過 20 種。

并且，構(gòu)建這一數(shù)據(jù)集的過程本身就是在做標(biāo)準(zhǔn)化，不同來源的數(shù)據(jù)在動(dòng)作表示和機(jī)器人結(jié)構(gòu)上被統(tǒng)一起來， 其中使用末端執(zhí)行器（EEF）的增量動(dòng)作來描述操作，采用補(bǔ)零到雙臂（Pad-to-Dual-Arm）策略對單雙臂做一致建模。這樣一來，數(shù)據(jù)更多的同時(shí)，不同來源的數(shù)據(jù)第一次實(shí)現(xiàn)對齊，讓跨任務(wù)、跨本體的泛化能力有了現(xiàn)實(shí)基礎(chǔ)。

接下來，ABot-M0 在表示和訓(xùn)練方式上做了關(guān)鍵調(diào)整：不讓模型先學(xué)去噪再慢慢還原動(dòng)作，直接去學(xué)「什么樣的動(dòng)作本身就可行」。原因也不復(fù)雜，真實(shí)世界可行的動(dòng)作不是到處都有，它們往往集中在一小塊受物理規(guī)律和任務(wù)約束限制的有效區(qū)域里。與其在整個(gè)空間里找答案，不如一開始就把學(xué)習(xí)范圍限定在這塊有效區(qū)域內(nèi)。

基于此，ABot-M0 用動(dòng)作流形學(xué)習(xí)（AML）替代了傳統(tǒng)的擴(kuò)散式生成方式：放棄像過去那樣從噪聲一步步還原動(dòng)作，以 DiT 為骨干網(wǎng)絡(luò)直接預(yù)測一段連續(xù)、可執(zhí)行的軌跡。帶來的變化也很直觀，推理步驟更少，動(dòng)作更連貫，在復(fù)雜場景下更穩(wěn)定。即便大幅壓縮推理過程，模型依然能保持性能，而傳統(tǒng)方法往往會(huì)明顯下降。

最后，ABot-M0 進(jìn)一步加強(qiáng)了空間感知能力。光靠 VLM 理解畫面里有什么還不夠，真正難的是判斷「它們之間是什么關(guān)系」，比如前后遠(yuǎn)近、遮擋、角度，這些都會(huì)直接影響動(dòng)作能不能做對。

ABot-M0 沒有去改動(dòng)原有的 VLM 主干網(wǎng)絡(luò)，而是多加了一路專門處理空間信息的感知模塊（如 VGGT、Qwen-Image-Edit）：用語義模型理解任務(wù)意圖，用 3D 信息判斷物體的位置關(guān)系和操作角度，兩條路徑在內(nèi)部一起參與決策。有了這層空間信息，機(jī)器人對視角變化和環(huán)境擾動(dòng)的適應(yīng)能力更強(qiáng)。

ABot-M0 架構(gòu)圖

ABot-M0 在操作側(cè)的表現(xiàn)同樣不是個(gè)別任務(wù)上領(lǐng)先，在 Libero、Libero-Plus、RoboCasa 等一系列難度較高的操作評測中均達(dá)到 SOTA 水平。

其中最有代表性的是 Libero-Plus，它是一類強(qiáng)調(diào)跨任務(wù)與泛化能力的基準(zhǔn)。ABot-M0 的任務(wù)成功率達(dá)到了 80.5%，相比此前的標(biāo)桿方案提升近 30 個(gè)百分點(diǎn)。這說明了模型在面對未見過的組合任務(wù)時(shí)依然能夠穩(wěn)定完成操作。

把 ABot-N0 和 ABot-M0 放在一起看，一個(gè)變化正在發(fā)生：具身智能開始圍繞模型搭體系。導(dǎo)航側(cè)通過統(tǒng)一模型打破任務(wù)邊界，操作側(cè)通過統(tǒng)一數(shù)據(jù)打破本體差異，并且數(shù)據(jù)、表示和訓(xùn)練方式的變化也在不斷降低能力遷移的成本。久而久之，具身智能逐漸逼近通用系統(tǒng)的形態(tài)。

兩大基座模型更多細(xì)節(jié)請移步項(xiàng)目主頁與技術(shù)報(bào)告：

ABot-N0：

• 論文地址：https://arxiv.org/pdf/2602.11598
• 項(xiàng)目主頁：https://amap-cvlab.github.io/ABot-Navigation/ABot-N0/

ABot-M0：

• 論文地址：https://arxiv.org/abs/2602.11236
• 項(xiàng)目主頁：https://amap-cvlab.github.io/ABot-Manipulation/

從喂數(shù)據(jù)到邊用邊學(xué)

跑通一套閉環(huán)系統(tǒng)

ABot-N0 和 ABot-M0 把機(jī)器人「往哪走」和「怎么做」兩件事弄清楚了，接下來面臨兩個(gè)更現(xiàn)實(shí)的問題：這些能力從哪來，又怎么在真實(shí)環(huán)境里穩(wěn)定跑起來，它們很大程度上決定了具身系統(tǒng)的上限。這正是 ABot 全棧體系中數(shù)據(jù)層和 Agent 層要解決的核心痛點(diǎn)。

其中數(shù)據(jù)層的 ABot-World 想要解決的是一個(gè)更底層的問題：機(jī)器人是否見過足夠多足夠真實(shí)的世界。機(jī)器人難以泛化的很大原因便在于數(shù)據(jù)少、獲取慢、也永遠(yuǎn)覆蓋不完真實(shí)世界的長尾情況。

ABot-World 雙引擎驅(qū)動(dòng)架構(gòu)：ABot-3DGS（數(shù)字孿生工廠）× ABot-PhysWorld（物理引擎內(nèi)核）

ABot-World 的思路是，依托自有地圖與脫敏數(shù)據(jù)，結(jié)合 3DGS 技術(shù)實(shí)現(xiàn)厘米級重建與光照一致性。模型已累計(jì)生產(chǎn)萬級 3D 真實(shí)場景、百萬級推理數(shù)據(jù)與千萬級訓(xùn)練軌跡，覆蓋 99% 的典型生活場景。通過模擬各種復(fù)雜情況，讓模型提前見到足夠多的場景。這件事能成立正好踩在了高德的強(qiáng)項(xiàng)上。高德一直在做的就是把真實(shí)世界一點(diǎn)點(diǎn)搬進(jìn)地圖里?；诖?，高德有能力把整個(gè)環(huán)境還原出來，用來訓(xùn)練機(jī)器人。

在 WorldScore、WorldArena、AGIbot、PBench、EZSBench 等權(quán)威評測榜單上，ABot-World 都拿過 SOTA，甚至在一些指標(biāo)上力壓了英偉達(dá) Cosmos、谷歌 Veo 和 OpenAI Sora 2 等多個(gè)開閉源方案。

ABot-World 系列也發(fā)布了首個(gè)子工作ABot-PhysWorld，它將關(guān)注重點(diǎn)放在了「這些世界是不是真的能在現(xiàn)實(shí)中成立」上，不像大多數(shù)現(xiàn)有模型追求畫面合理，更關(guān)心生成過程在物理上是否說得通。

同時(shí)，現(xiàn)實(shí)世界的任務(wù)往往不是單一指令，要復(fù)雜得多：理解意圖、拆分步驟、找位置、做動(dòng)作，還要隨時(shí)應(yīng)對突發(fā)情況。Agent 層的 ABot-Claw 要做的就是將涉及到的這些能力統(tǒng)一調(diào)度起來，真正組織成一個(gè)可以端到端完成任務(wù)的系統(tǒng)

ABot-Claw系統(tǒng)架構(gòu)圖

ABot-Claw 構(gòu)建了一套 Vision-Spatial 雙中心的跨具身共享記憶系統(tǒng)，通過四層結(jié)構(gòu)完成空間與語義的統(tǒng)一：圖像語義層負(fù)責(zé)看到的內(nèi)容、幾何地圖層負(fù)責(zé)空間結(jié)構(gòu)、物體中心拓?fù)鋵迂?fù)責(zé)物體之間的關(guān)系、地點(diǎn)錨定層負(fù)責(zé)語義和位置的對應(yīng)。

這套結(jié)構(gòu)解決了幾何地圖「能帶你走過去，但不知道那是什么」、語言模型「知道是什么，但不知道怎么走過去」的兩難問題。ABot-Claw 直接將兩套系統(tǒng)融合到同一記憶體系中，并且記憶是跨具身共享的。新設(shè)備接入后，直接繼承已有認(rèn)知。過去的成功和失敗會(huì)也被記錄下來，隨時(shí)被調(diào)出來用。每一次任務(wù)執(zhí)行都成為了一個(gè)可以不斷積累經(jīng)驗(yàn)的過程，讓機(jī)器人從「一機(jī)一圖」走向「共享一套世界記憶」。

有了調(diào)度和記憶，還缺最后一塊拼圖，即如何在不確定世界中持續(xù)完成任務(wù)。ABot-Claw 對此的解法是：引入一套 Closed-loop Reflection & Self-Correction（閉環(huán)反思與自我糾錯(cuò)）機(jī)制

這其實(shí)很接近人類的做事方式，邊做邊修正。整個(gè)過程不是簡單的下指令 - 執(zhí)行，開始變成一個(gè)持續(xù)的循環(huán)：先試一下、看結(jié)果、調(diào)整、再試。具體體現(xiàn)為三級自適應(yīng)決策閉環(huán)，依次是執(zhí)行、評估與進(jìn)化。由此，機(jī)器人的角色也從一個(gè)執(zhí)行工具逐漸轉(zhuǎn)變?yōu)闀?huì)自己決策的系統(tǒng)。

像「找一瓶可樂」這樣的任務(wù)，如果第一次沒找到，它會(huì)自己換個(gè)地方再試，而不是直接放棄。這種做法才是應(yīng)對真實(shí)世界不確定性的關(guān)鍵。

當(dāng)「學(xué)」和「用」連成一個(gè)循環(huán)，系統(tǒng)開始具備持續(xù)進(jìn)化的能力。這或許是具身智能走向長期可用的分水嶺。

結(jié)語

具身機(jī)器人發(fā)展到現(xiàn)在，業(yè)界逐漸達(dá)成了一種共識：單一任務(wù)的突破已不足以應(yīng)對日益復(fù)雜的應(yīng)用需求。機(jī)器人要在固定環(huán)境中穩(wěn)定執(zhí)行任務(wù)，也必須適應(yīng)多變的環(huán)境。

高德 ABot 全棧體系不僅成功支撐高德途途在開放環(huán)境中完成導(dǎo)盲任務(wù)，還為行業(yè)提供了一個(gè)值得借鑒的范本：

通過數(shù)據(jù)層、模型層和 Agent 層的緊密結(jié)合，ABot 將感知、決策、執(zhí)行這些能力高效整合在一起，不像傳統(tǒng)上那樣單個(gè)模塊各自為政。

這樣既能提升任務(wù)執(zhí)行效率，也讓機(jī)器人在身處復(fù)雜、動(dòng)態(tài)的現(xiàn)實(shí)世界時(shí)更加游刃有余。

此次，高德不僅僅是在某個(gè)特定場景取得突破，也開啟了具身智能從實(shí)驗(yàn)室走向真實(shí)世界的一個(gè)標(biāo)志性節(jié)點(diǎn)。未來的機(jī)器人，更加可期。

文中視頻鏈接：https://mp.weixin.qq.com/s/lfjpZ7KDzNS41WCiCJjMUg