一、 當(dāng)?shù)貓D開始“Dream World”

當(dāng)大模型從數(shù)字世界走向物理世界，具身智能正成為人工智能的下一個(gè)主戰(zhàn)場。然而，讓機(jī)器人真正在開放、非結(jié)構(gòu)化的真實(shí)環(huán)境中實(shí)現(xiàn)自主感知、決策與行動，仍面臨數(shù)據(jù)稀缺、技能泛化和可靠執(zhí)行三大核心瓶頸。

高德基于二十年時(shí)空數(shù)據(jù)積累與大規(guī)模地圖工程能力，提出了由世界模型（World Model）、導(dǎo)航模型（N系列）操作模型（M系列）和具身Harness架構(gòu)構(gòu)成的"三位一體"具身智能技術(shù)基座。該架構(gòu)以世界模型為想象引擎，以N0與M0為行動雙核，運(yùn)行于統(tǒng)一的Abot智能中樞之上，首次打通從環(huán)境理解、路徑規(guī)劃到精細(xì)操作的全閉環(huán)技術(shù)鏈路。同時(shí)，我們?nèi)龑蛹軜?gòu)是真正面向具身AGI的，真正做到了一套模型部署輪式機(jī)器人、四足機(jī)器人、人形機(jī)器人，均有智能、魯棒的的真機(jī)和產(chǎn)品表現(xiàn)。

依托于20年在數(shù)據(jù)和智能方面的積累，高德正在將地圖時(shí)代沉淀的數(shù)據(jù)資產(chǎn)系統(tǒng)性地轉(zhuǎn)化為具身機(jī)器人的智能——從物理一致的神經(jīng)模擬器到可交互世界模型，從Unified的具身導(dǎo)航、操作大腦到面向通用具身機(jī)器人的Harness架構(gòu)，高德正用自己20年對于物理世界的深刻理解，為具身AGI真正走向物理世界開啟了新篇章。

二 、ABot全棧技術(shù)架構(gòu)

ABot General EAI System 包含Data Infra Layer、Foundation Model Layer 和Agent Layer ，共同構(gòu)建“連續(xù)的真實(shí)世界數(shù)據(jù) → 可持續(xù)的算法迭代 → 長期真實(shí)的物理反饋”的完整閉環(huán)。

● Data Infra Layer 是地基。核心是 ABot-World 仿真引擎，批量合成 Video、Depth、Point Cloud、Trajectory 四類訓(xùn)練數(shù)據(jù)，配合 RL Training Engine 在虛擬環(huán)境里定義獎(jiǎng)懲、反復(fù)試錯(cuò)。這一層本質(zhì)上是在用仿真替代成本極高的真實(shí)數(shù)據(jù)采集，是整個(gè)系統(tǒng)的天花板所在。

● Foundation Model Layer 是感知與決策核心。ABot-M 負(fù)責(zé)操作，ABot-N 負(fù)責(zé)導(dǎo)航，將機(jī)器人動作變成機(jī)器人的物理直覺。兩個(gè)模型分工訓(xùn)練、通過 Model Skill 機(jī)制組合調(diào)用，通過不同模型（導(dǎo)航、操作等）、skill組合完成長程、復(fù)雜任務(wù)。

● Agent Layer 是執(zhí)行層。ABot-Claw 具備任務(wù)規(guī)劃、多模態(tài)記憶、閉環(huán)糾錯(cuò)三個(gè)能力，針對的是長時(shí)序任務(wù)下的魯棒性問題——系統(tǒng)設(shè)計(jì)上默認(rèn)"會出錯(cuò)"，而不是假設(shè)每步完美執(zhí)行。

三 、ABot-World：可交互具身世界模型

● 當(dāng)主流世界模型仍陷于“視覺幻覺”，ABot-World 已實(shí)現(xiàn)根本突破：全球首個(gè)將物理定律深度嵌入全流程的世界模型，不再是視頻生成器，而是為機(jī)器人服務(wù)的可微分、可進(jìn)化的物理級動力學(xué)引擎。

其核心突破由四大支柱構(gòu)成：

● 具身原生架構(gòu)：專為具身智能設(shè)計(jì)的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(shí)空動力學(xué)的未來狀態(tài)序列；基于千萬級真實(shí)導(dǎo)航、操作數(shù)據(jù)與多層級采樣治理，打破任務(wù)壟斷，激活長尾技能，實(shí)現(xiàn)強(qiáng)泛化能力。

● 3DGS 冷啟動空間基座：面向手機(jī)拍攝、航測圖等稀疏輸入，構(gòu)建“粗建?！弑Ｕ嫘迯?fù)→蒸餾回環(huán)”流程，實(shí)現(xiàn)從低質(zhì)視頻到高質(zhì)量3D場景的自動化生成。

● 物理硬約束訓(xùn)練：首創(chuàng) Diffusion-DPO 物理偏好對齊框架，通過 VLM 生成規(guī)則清單、并進(jìn)行獨(dú)立判別，構(gòu)建優(yōu)劣樣本對，驅(qū)動模型抑制物理違規(guī)行為；融合拉格朗日動力學(xué)與3DGS重建，每幀均為含質(zhì)量、摩擦、接觸力等屬性的可微分物理快照。

● 雙引擎自進(jìn)化系統(tǒng)：構(gòu)建“訓(xùn)練引擎 + 數(shù)據(jù)引擎”并行架構(gòu)。依托高德高精地圖與真實(shí)軌跡數(shù)據(jù)，結(jié)合3DGS 技術(shù)實(shí)現(xiàn)厘米級重建與光照一致，支持多視角合成與動態(tài)擾動，共生產(chǎn)萬級 3D 真實(shí)場景、百萬級推理數(shù)據(jù)、千萬級訓(xùn)練軌跡，覆蓋99%典型生活場景；接入VLA閉環(huán)，實(shí)現(xiàn)“預(yù)測即訓(xùn)練，演練即學(xué)習(xí)”的持續(xù)進(jìn)化；通過跨形態(tài)動作映射，統(tǒng)一實(shí)現(xiàn)單臂、雙臂、靈巧手等多形態(tài)精確控制。

● 行業(yè)權(quán)威具身榜單榜首成績：涵蓋由李飛飛團(tuán)隊(duì)主導(dǎo)的 WorldScore（截至2026.04.08）、清華主辦的 WorldArena、智元機(jī)器人發(fā)起的 Agibot World Challenge（截至2026.04.15）；

● 對標(biāo)行業(yè)頂尖和新興強(qiáng)手：ABot-World 直面 OpenAI (Sora 2.0)、Google DeepMind (Veo 3.1)、NVIDIA (Cosmos) 等國際頂尖巨頭，以及 GigaWorld、UnifoLM 等新興強(qiáng)手的激烈競爭。在物理合理性性、動作可控性與3D一致性等核心指標(biāo)上取得顯著提升，在WorldArena榜單上，超過Veo 3.1 10%；

下面看一下我們真實(shí)的效果，首先是我們的城市級的生成式重建——ABot-3DGS，一個(gè)無限尺度的可編輯世界場景渲染。

同時(shí)，我們打造了專門為具身導(dǎo)航、操作打造的物理世界模型——ABot-PhysWorld，從像素走向物理，從視覺走向行動。

同時(shí)，高德的可交互世界模型ABot-World即將發(fā)布，支持消費(fèi)級顯卡實(shí)時(shí)交互與10min級別長程記憶，請關(guān)注我們后續(xù)官網(wǎng)消息。

四、 ABot-N系列& ABot-M系列：跨本體具身導(dǎo)航、操作基座模型

ABot-N（Navigation）： 作為全球首個(gè)實(shí)現(xiàn)五大核心導(dǎo)航任務(wù)"大一統(tǒng)"的VLA基座模型，ABot-N是真正理解人類意圖、自主決策、持續(xù)進(jìn)化的具身導(dǎo)航智能體。

Heterogeneous Target Encoder：ABot-N通過統(tǒng)一的多模態(tài)編碼方案整合：全景與單目視覺自適應(yīng)切換，文本指令、物體類別、POI名稱與幾何坐標(biāo)異構(gòu)表達(dá)統(tǒng)一映射至共享語義空間；時(shí)空記憶機(jī)制則賦予模型在POMDP環(huán)境中保持上下文連貫的能力，真正將感知與行動融為一體。

RL Alignment：ABot-N提出SAFE-GRPO強(qiáng)化學(xué)習(xí)框架，讓模型從根本上理解"物理可通行≠社會合規(guī)"的因果邏輯，主動規(guī)避闖入車道、踩踏草坪等行為。三階段課程學(xué)習(xí)（Cognitive Warm-up → Sensorimotor SFT → Value Alignment），確保運(yùn)動能力與社會規(guī)范的協(xié)同內(nèi)化。

ABot-N在VLN-CE（R2R/RxR）、HM3D-OVON、EVT-Bench等7大權(quán)威基準(zhǔn)上全面刷新SOTA，在導(dǎo)航精度、社會合規(guī)性、zero-shot泛化三個(gè)維度實(shí)現(xiàn)系統(tǒng)性領(lǐng)先。

● ABot-M（Manipulation）：構(gòu)建開放協(xié)同的通用操作智能體系，通過系統(tǒng)性架構(gòu)創(chuàng)新，在泛化能力、魯棒性與跨形態(tài)遷移性能上實(shí)現(xiàn)全面突破，推動具身操作智能邁向開放協(xié)作的新階段。

○ 動作流行學(xué)習(xí)假設(shè)（Action Manifold Learning）：DiT 架構(gòu)直接預(yù)測連續(xù)、可行的動作軌跡，將學(xué)習(xí)目標(biāo)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(fù)雜場景中展現(xiàn)出更強(qiáng)的可擴(kuò)展性。

○ 語義理解Expert × 空間先驗(yàn)Expert ：構(gòu)建雙流并行感知體系，語義流繼承 VLM 的跨模態(tài)理解能力，解析高層任務(wù)意圖；幾何流則通過3D Perception Injection 和 Multi-View Implicit Fusion 機(jī)制，增強(qiáng)空間結(jié)構(gòu)認(rèn)知。兩路特征通過 cross attention 機(jī)制協(xié)同融合，顯著提升精細(xì)操作任務(wù)的執(zhí)行精度。

○ 統(tǒng)一動作表征與可持續(xù)泛化：動作統(tǒng)一為 EEF 坐標(biāo)系下的增量表達(dá)，橋接不同機(jī)械結(jié)構(gòu)的運(yùn)動差異；padding 機(jī)制實(shí)現(xiàn)單/雙臂任務(wù)在單一網(wǎng)絡(luò)中的參數(shù)共享與統(tǒng)一建模。結(jié)合任務(wù)級分層采樣與“預(yù)訓(xùn)練 + 空間感知微調(diào)”的兩階段訓(xùn)練范式，模型可在持續(xù)接入新形態(tài)、新模態(tài)與新任務(wù)的同時(shí)，保持已有技能的穩(wěn)定性，支持能力的漸進(jìn)式演進(jìn)。

○ 四大權(quán)威具身操作基準(zhǔn)SOTA性能：涵蓋斯坦福主導(dǎo)的 LIBERO（單臂長程任務(wù)）、UT Austin 與 NVIDIA 聯(lián)合發(fā)布的 RoboCasa（雙臂高維操作）、清華推出的 RoboTwin 2.0（跨場景/任務(wù)泛化）以及 LIBERO-Plus（環(huán)境魯棒性）；

○ 對標(biāo)國際主流VLA方案：直面 Physical Intelligence (π0.5)、NVIDIA (GR00T-N1)、斯坦福 (OpenVLA)、北大 (X-VLA) 等業(yè)界代表性工作，在長程任務(wù)成功率、跨本體遷移率及擾動魯棒性等核心指標(biāo)上取得顯著提升，在RoboCasa任務(wù)上較 GR00T-N1 提升 11%成功率，在RoboTwin任務(wù)上較π0.5提升44%成功率；

下面ABot-N0在真機(jī)上的效果

● ABot-N、ABot-M的多項(xiàng)子成果（含多篇 ICLR，CVPR 2026 Oral等），從模型架構(gòu)、記憶范式、Reasoning、強(qiáng)化學(xué)習(xí)等方向，不斷探索具身導(dǎo)航與操作的技術(shù)邊界。

五、 ABot-Claw：通用具身Harness架構(gòu)

當(dāng)前具身智能面臨長程任務(wù)閉環(huán)難、多機(jī)協(xié)同弱、知識不共享等核心瓶頸。ABot-Claw 提出一種集中式具身 Harness 架構(gòu)，將異構(gòu)機(jī)器人統(tǒng)一于共享認(rèn)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“智能中樞”。

其核心架構(gòu)聚焦四大技術(shù)方向：

● 統(tǒng)一調(diào)度與跨體協(xié)同：基于能力描述的動態(tài)調(diào)度機(jī)制，實(shí)現(xiàn)機(jī)械臂、人形、四足等多形態(tài)機(jī)器人的并行協(xié)作與任務(wù)接力，支持故障時(shí)自動接續(xù)，保障任務(wù)連續(xù)性。

● 跨具身共享Spatial Memory：以全局空間坐標(biāo)為錨點(diǎn)構(gòu)建持久化多模態(tài)記憶系統(tǒng)，將對象位姿、地點(diǎn)語義與關(guān)鍵幀視覺特征統(tǒng)一映射至共享的空間語義地圖中；環(huán)境觀測與歷史行為具備可沉淀、可基于 Hybrid Retrieval（空間/語義混合檢索）的特性，新設(shè)備通過讀取全局 Context 實(shí)現(xiàn)知識零成本繼承，支撐長周期運(yùn)行下的跨會話連續(xù)性與跨具身協(xié)同作業(yè)。

● 分層協(xié)同架構(gòu)：采用 “云端大腦 - 邊緣響應(yīng)” 兩級設(shè)計(jì)，兼顧智能深度與執(zhí)行可靠性：

○ Cloud-Brain （L3/L4 Planning） 負(fù)責(zé)高層任務(wù)分解與規(guī)劃；

○ Edge-Claw （L1/L2 Control） 實(shí)現(xiàn)本地高頻實(shí)時(shí)控制，確保物理安全與響應(yīng)速度。

● 社會化行為對齊：引入 RL 相關(guān)技術(shù)，通過多智能體相對評估，自主學(xué)習(xí)電梯避讓、行人禮讓等社會規(guī)范，實(shí)現(xiàn)自然融入人類環(huán)境。

ABot-Claw 已經(jīng)具備閉環(huán)反饋與在線修正能力，在模糊指令理解、部分可觀搜索、跨機(jī)導(dǎo)引等復(fù)雜場景中驗(yàn)證其魯棒性與泛化性。它標(biāo)志著機(jī)器人系統(tǒng)從“單體智能”向“體系智能”的演進(jìn)，機(jī)器人不再是孤立個(gè)體，而是共享記憶、統(tǒng)一調(diào)度、協(xié)同進(jìn)化的智能網(wǎng)絡(luò)節(jié)點(diǎn)。

下面，大家來看一下ABot-Claw部署在真機(jī)的表現(xiàn)吧。

Round1：四足機(jī)器人執(zhí)行長程任務(wù)——自主取咖啡

Round2：人形機(jī)器人執(zhí)行復(fù)雜長程任務(wù)——接待陌生訪客

Round3：多機(jī)械臂協(xié)作——廚房操作

六 、生態(tài)與愿景

1. 范式：Physical AI數(shù)據(jù)飛輪已經(jīng)跑通

"連續(xù)數(shù)據(jù) → 算法迭代 → 人群反饋"這個(gè)閉環(huán)，在高德的系統(tǒng)里已經(jīng)不是設(shè)計(jì)圖，而是在持續(xù)運(yùn)轉(zhuǎn)的事實(shí)。每天億級的真實(shí)出行數(shù)據(jù)進(jìn)入系統(tǒng)，算法在這個(gè)基礎(chǔ)上迭代，迭代的結(jié)果再通過產(chǎn)品回到用戶，用戶的行為反饋又成為下一輪訓(xùn)練的信號。這個(gè)循環(huán)每轉(zhuǎn)一圈，系統(tǒng)對物理世界的理解就加深一層。

這件事的意義不只是"我們的模型更準(zhǔn)了"。它意味著高德建立了一個(gè)隨時(shí)間自動增值的資產(chǎn)——數(shù)據(jù)規(guī)模越大，算法越好；算法越好，產(chǎn)品越能吸引用戶；用戶越多，數(shù)據(jù)規(guī)模越大。競爭優(yōu)勢不是某個(gè)時(shí)間點(diǎn)的領(lǐng)先，而是飛輪本身的轉(zhuǎn)速。

2. 開源：邀請行業(yè)共建空間智能與具身智能生態(tài)

今天，高德宣布開源部分空間智能與具身智能能力。這不是公關(guān)動作，是一個(gè)戰(zhàn)略選擇：我們相信，空間智能要成為具身時(shí)代的基礎(chǔ)設(shè)施，前提是有足夠多的開發(fā)者、合作伙伴、硬件廠商在同一套語言上構(gòu)建各自的能力。封閉的護(hù)城河會減慢整個(gè)行業(yè)的速度，開放的生態(tài)才能讓標(biāo)準(zhǔn)真正落地。

開源的部分能力，將覆蓋ABot技術(shù)的全棧（ABot-World、ABot-M、ABot-N、ABot-Claw等），我們希望這些能力成為合作伙伴在具身場景下構(gòu)建應(yīng)用的起點(diǎn)，而不是每個(gè)人都要從零開始解決的基礎(chǔ)問題。"AMAP-AI Inside"的含義，正是在這里——不是高德一家的產(chǎn)品，而是一個(gè)行業(yè)可以共同依賴的空間智能底座。

詳細(xì)信息請關(guān)注Amap CV Lab官方網(wǎng)站：https://amap-cvlab.github.io/

3. 結(jié)語：為行業(yè)繪制標(biāo)準(zhǔn)航線

高德和行業(yè)的合作伙伴，共同期待具身GPT時(shí)刻的到來。ABot的技術(shù)體系，給行業(yè)一個(gè)很好的實(shí)踐方案。它意味著機(jī)器第一次有了對物理世界的內(nèi)在模型，能夠在行動之前預(yù)測后果、在出錯(cuò)之后理解原因。這是從"會執(zhí)行"到"會理解"的本質(zhì)躍遷，是整個(gè)行業(yè)走向規(guī)模商業(yè)化的真正起點(diǎn)。

高德正在做的，就是這件事——不是第一個(gè)出發(fā)的，但我們有二十年對物理世界的丈量，有已經(jīng)跑通的數(shù)據(jù)飛輪，有開放生態(tài)的決心。我們不是在宣布終點(diǎn)，我們是在為行業(yè)繪制一條走向大規(guī)模商業(yè)化的標(biāo)準(zhǔn)航線。