高德近日宣布推出两款创新模型——具身操作基座模型ABot-M0与具身导航基座模型ABot-N0，并在全球十大权威基准评测中斩获最佳成绩，成为首个在具身导航与具身操作两大领域同时达到SOTA水平的科技企业。这一突破标志着机器人技术在复杂环境感知与任务执行能力上迈入新阶段。
作为全球首个采用统一架构的机器人操作基础模型，ABot-M0通过整合超过600万条真实操作轨迹数据，构建了目前规模最大的通用机器人数据集。该模型独创的动作流形学习算法，可实现跨平台动作预测，显著提升机械臂等设备的操作灵活性。在Libero-Plus基准测试中，其任务完成率达到80.5%，较行业主流方案提升近30个百分点，尤其在多步骤装配任务中展现出卓越的稳定性。
ABot-N0则开创性地集成了五大核心导航任务，包括点位导航、目标追踪、指令响应、兴趣点探索及人物跟随功能。该模型基于约8000个高精度3D场景和近1700万条专家训练数据，采用独特的层次化"大脑-动作"架构设计。在CityWalker、SocNav等七大国际基准测试中，ABot-N0连续刷新世界纪录，其中在SocNav闭环仿真测试中成功率提升40.5%，HM3D-OVON复杂场景导航测试中成功率提高8.8%，展现出强大的环境适应能力。
技术实现层面，ABot-N0通过多模态感知融合技术，可同时处理视觉、激光雷达和语义信息，在动态障碍物避让和长距离路径规划方面表现突出。该模型已成功部署于真实四足机器人平台，在边缘计算设备上实现实时推理与闭环控制，为物流、巡检等场景的商业化应用奠定基础。其层次化架构设计使得导航系统既能进行全局路径规划，又能处理局部突发状况，显著提升复杂环境下的任务完成率。
据研发团队介绍，ABot-M0与ABot-N0的协同工作模式，可支持机器人同时完成移动与操作任务。例如在仓储场景中，机器人能自主规划最优路径，精准抓取指定货物并完成分拣。这种"感知-决策-执行"的全链路能力突破，为服务机器人、工业机械臂等设备提供了更智能的解决方案。目前相关技术已启动多场景验证测试，预计将在智慧物流、医疗辅助等领域率先实现商业化落地。
