高德发布全球首个面向AGI的全栈具身技术体系“ABot”：15项SOTA，构建持续进化的具身智能闭环
高德发布全球首个面向AGI的全栈具身技术体系“ABot”：15项SOTA，构建持续进化的具身智能闭环
2026年4月19日，在北京亦庄机器人半程马拉松现场，阿里巴巴旗下高德正式揭晓了其开放环境全自主具身机器人“高德途途”。这款四足机器人成功协助视障人士完成了复杂避障、动态人群穿行等一系列高难度挑战。此举标志着具身智能技术正式从受控的实验室环境，迈入了充满动态不确定性的开放世界。
途途机器人能够胜任导盲这类严苛任务，其底层技术支撑正是高德全新发布的ABot全栈具身技术体系。该体系基于海量真实场景与千万级多模态Clip数据，将高德沉淀多年的空间智能资产，高效转化为具身核心训练资源。这是全球首个明确以AGI（通用人工智能）为目标构建的全栈技术体系。
从架构设计看，ABot体系突破了传统具身智能“单点拼凑、封闭验证”的碎片化路径。它首次将数据引擎、基座模型与执行中枢耦合为一个统一系统。目前，高德ABot系列模型已在全球15项权威基准测试中取得SOTA（领先水平）成绩。
ABot体系：三层飞轮式设计，构建持续进化的具身智能闭环
ABot体系的核心是闭环飞轮设计，涵盖数据、模型、应用三层。这三层深度咬合、互为引擎，实现了“数据驱动模型、模型服务应用、应用反哺数据”的良性循环。该设计精准解决了行业面临的数据稀缺、仿真鸿沟与技能泛化三大瓶颈，形成了一个能够持续自我进化的完整技术闭环。
数据是具身智能的核心燃料，直接决定了其泛化能力上限。然而，不同于大语言模型，传统依赖真机采集数据的方式成本高昂，难以规模化。
作为数据层核心，ABot-World通过批量合成Video、Depth、Point Cloud、Trajectory四类训练数据，并配合RL Training Engine在虚拟环境中定义奖惩、反复试错。这套方法以高保真仿真替代了高昂的真机采集，从根本上弥合了Sim-to-Real（从仿真到现实）的鸿沟，将数据成本压缩了数个数量级。
模型层重点解决两大核心问题：具身操作的通用性和导航的长程性。其核心在于感知与决策。其中，ABot-M专精于操作任务，ABot-N则负责导航规划。两个模型分工训练，通过Model Skill机制组合调用，协同完成长程复杂任务。
应用层的核心是具身版“龙虾”ABot-Claw。它将异构机器人统一于共享的认知框架之下，打造出一个具备调度、记忆、分层控制与社会对齐能力的“执行中枢”，有效应对了长程任务闭环难、知识不共享等行业难题。
值得注意的是，ABot体系的设计逻辑直接沿袭自高德已验证的空间智能飞轮：依托近10亿月活场景产生的海量时空数据与实时反馈，算法在闭环中持续迭代，推动模型对物理世界的认知不断加深。这个飞轮每日都在真实世界中自动演进。这从根本上奠定了高德的体系化优势：它不依赖于单点技术的偶然突破，而是依靠整个飞轮在真实场景中持续运转的“转速”。
ABot-World：物理合规性、动作可控性、零样本泛化三大维度均达全球第一
当主流世界模型仍受困于“视觉幻觉”与动力学脱节时，ABot-World率先取得了突破。它成为全球首个将物理定律深度嵌入生成全流程的可微分、可进化动力学引擎。作为ABot体系的底层仿真基座，它直接决定了上层模型的物理一致性与泛化上限。正是以该引擎为核心，ABot体系彻底打通了“虚拟训练-真实部署”的闭环。
在架构上，ABot-World专为具身智能设计了14B DiT架构。它以观测与动作为输入，在潜空间直接生成符合时空动力学的未来状态序列，并基于千万级真实数据与多层级采样治理，突破了单一任务的泛化制约。
在场景构建上，其3DGS冷启动空间基座面向手机拍摄、航测图等稀疏输入，通过“粗建模、高保真修复再到蒸馏回环”的自动化流程，将低质量视频转化为高质量3D场景，大幅降低了数据构建成本。
训练方面，模型首创了Diffusion-DPO物理偏好对齐框架。该框架由VLM生成物理规则清单并独立判别，构建优劣样本对，从而驱动模型主动抑制违反物理规律的行为。同时，拉格朗日动力学与3DGS重建的融合，使得每一帧画面都成为包含质量、摩擦、接触力等属性的可微分物理快照。
除此之外，ABot-World还构建了“训练+数据”双引擎并行架构，实现了模型自进化。依托自有地图与脱敏数据，结合3DGS技术实现厘米级重建与光照一致性，系统已累计生产万级3D真实场景、百万级推理数据与千万级训练轨迹，覆盖了99%的典型生活场景。通过接入VLA闭环，模型实现了“预测即训练，演练即学习”的持续进化，并经由跨形态动作映射，统一支持多种机械形态的精确控制。
在PBench、EZSbench、WorldArena、Agibot World Challenge等主流评测中，ABot-World持续保持领先，并成为唯一在物理合规性、动作可控性、零样本泛化三大维度均达到SOTA的模型。
ABot-N & ABot-M：ABot体系的“运动双核”，跨本体导航与操作基座斩获11项SOTA
若将ABot全栈体系视为具身智能的“运行大脑”，那么ABot-N与ABot-M便是其“运动双核”。它们分别掌管机器人的“双腿”与“双手”，直接响应物理世界中“去哪里”与“做什么”的基础指令。依托统一架构设计，高德打造出可解耦又可协同的专用基座模型，一举突破了跨形态适配与跨任务泛化的技术瓶颈。
作为全球首个实现五大核心导航任务“大一统”的VLA基座模型，ABot-N具备意图理解、自主决策与持续进化能力，是途途走向开放世界的核心导航引擎。它采用层级式“大脑-动作”架构，通过多模块协同实现单一模型对导航任务的全覆盖，彻底打破了传统专用架构的泛化天花板。
ABot-N推出后，迅速在VLN-CE（R2R/RxR）、HM3D-OVON、EVT-Bench等7大权威基准上全面刷新SOTA，并在导航精度、社会合规性、zero-shot泛化能力上实现了断层式领先。
ABot-M则是全球首个统一架构的具身操作基座模型。它实现了用一个“通用大脑”适配多种形态的机器人，大幅提升了操作模型在异构机器人形态和任务场景下的泛化能力。
技术上，ABot-M提出了全球首个动作流形学习，将学习目标由去噪重构转为流形投影，显著提升了动作生成的稳定性与解码效率，在高自由度全身控制等复杂场景中展现出更强的可扩展性。在感知端，它采用语义流和动作流双流并行的架构，提升了精细操作的执行精度。
在LIBERO、LIBERO-Plus、RoboCasa GR1、RoboTwin 2.0等主流评测中，ABot-M全面超越了π0.5、UniVLA、OpenVLA-OFT等强基线，在泛化能力、鲁棒性与跨形态迁移三个维度实现了系统性领先。
不仅如此，ABot-N、ABot-M的多项子成果已入选ICLR、CVPR等顶级学术会议，成为精确、高效、安全的机器人导航与操作领域的范式参考。
ABot-Claw：首创“Map as Memory”的通用集中式Harness架构
记忆，是机器人跨越认知与执行鸿沟的底层基石。传统机器视觉受限于“视野之外即荒原”，记忆呈场景碎片化，严重制约了其泛化能力。
为突破这一瓶颈，ABot-Claw首创了“Map as Memory”理念，重构了具身智能的记忆机制。作为ABot体系的“执行中枢”，ABot-Claw采用集中式Harness架构，将高德地图与用户私有地图设为全局认知锚点，把多模态感知数据统一映射至共享语义空间，形成可动态刷新、持久沉淀的“世界记忆”。新终端接入后，仅需读取全局上下文即可零成本继承环境认知，彻底粉碎了场景孤岛。
另外，ABot-Claw采用“云端大脑—边缘响应”两级设计，兼顾了智能深度与执行可靠性。在调度层面，该架构还支持多种异构机器人的并行协作与任务接力，故障时可自动接续，实现任务上下文的无缝移交与跨形态协作。这标志着机器人系统正从“单体智能”向“体系智能”演进，机器人不再是孤立个体，而是共享记忆、统一调度、协同进化的智能网络节点。
ABot-Claw还首创了闭环反馈与纠错机制，在模糊指令理解、跨机导引等复杂场景中充分验证了其鲁棒性与泛化性。
伴随高德途途的全球首秀，高德同步宣布将开源ABot全体系。此举不仅是对“AMAP AI Inside”核心理念的深度践行，更可能重塑具身智能的研发范式，加速AGI时代的全面到来。