高德ABot模型夺冠AGIBot挑战赛：空间智能具身化跃迁深度解析

ICRA 2026大会官方赛事AGIBOT World Challenge结果公布。在竞争白热化的World Model赛道，高德与中科院自动化所模式识别实验室的联合团队ABot-NeoVerse，以0.829的总分位列榜首，从全球150支参赛队伍中胜出。

本届赛事聚焦推理—操作与世界模型两大核心方向，汇集了全球27个国家及地区的数百支顶尖团队。世界模型赛道更是强队林立，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、重庆大学等知名机构均派出精锐力量参与角逐。

ABot-NeoVerse的夺冠，直接体现了高德ABot全栈具身技术体系的底层能力。这标志着高德在具身智能领域的系统性技术布局，已进入成果验证的关键阶段。

就在上月，高德正式发布了ABot全栈具身技术体系，并在亦庄机器人马拉松上，首次公开展示了基于该架构自研的全球首款开放环境全自主具身机器人——“高德途途”。此次展示，完成了从底层技术架构到终端实体产品的完整闭环验证。

ABot技术体系的核心是什么？它是高德将其在空间智能领域的长期技术资产，体系化迁移至具身智能领域的顶层设计。该架构涵盖数据、模型与应用三层，通过“数据驱动模型、模型服务应用、应用反哺数据”的耦合循环，旨在系统性解决行业面临的两大瓶颈：高质量训练数据稀缺与仿真到现实的迁移鸿沟。这被视为全球首个面向通用人工智能（AGI）构建的全栈具身技术解决方案。

此次夺冠的ABot-NeoVerse，位于该体系最底层的数据层，是驱动整个技术栈运转的核心引擎。其面临的根本挑战在于：训练具身智能模型所需的物理交互数据，其采集成本远高于文本数据，严重制约了模型性能的上限。

高德的破局思路是，通过自研世界模型批量合成高保真仿真数据。这不仅极大降低了数据成本，更关键的是，它致力于从根本上弥合虚拟仿真与现实世界之间的语义与物理鸿沟。这一路径虽是行业共识，但也带来了新的技术挑战：如何确保模型生成的数据既高度逼真，又严格遵循物理规律，避免产生“物理幻觉”。

ABot-NeoVerse的夺冠，正是对这一挑战的有力回应。比赛的核心评测维度，是模型在给定初始视觉观察与机器人动作序列后，对后续物理状态演变的精准预测能力，并引入了大量复杂、罕见的长尾交互场景进行压力测试。这本质上是对世界模型生成视频的物理一致性与预测准确性的极限考核。

最终，ABot-NeoVerse给出了优异表现。它在多步复杂操作序列中，持续保持了物体状态与运动结果的高度一致性，有效抑制了预测过程中的幻觉现象。模型不仅在总榜排名第一，更在Visual Quality（视觉质量，0.6246）与Action Following（动作跟随，0.9651）两项核心指标上取得领先。这一成绩，验证了ABot体系在数据合成与训练范式上已建立起显著优势。

事实上，在登顶AGIBOT挑战赛之前，ABot体系已在15项权威评测中取得了SOTA（最佳性能）成绩。这套经过国际赛事严苛验证的全栈技术底座，被直接集成于机器人“高德途途”之中，使其在复杂开放环境中，展现出传统机器人难以实现的泛化理解与自主执行能力，完成了从算法突破到产品级全自主作业的工程跨越。

“途途”完整继承了该体系在物理规律内化、长程动态预测与高泛化可用性方面的核心能力。在2026亦庄机器人马拉松的演示中，它成功引导一位视障人士完成了动态避障、静态障碍物规避、执行通用指令等一系列复杂任务，全景式展现了其在非结构化环境下的全自主作业能力。

行业分析认为，高德通过将成熟的空间智能能力与前沿的物理世界模型深度融合，为具身智能的发展提供了一条清晰、可工程化验证的全栈技术路径。这套架构的成熟，标志着具身智能技术正从实验室原型，迈向规模化应用的新阶段。