阿里巴巴旗下高德公司近日宣布推出两款突破性技术模型——具身操作基座模型ABot-M0与具身导航基座模型ABot-N0，标志着全球机器人技术向通用化、规模化应用迈出关键一步。这两项成果不仅填补了机器人操作通用性与导航长程性两大技术空白，更在七项国际权威基准测试中刷新世界纪录，使高德成为全球首个在具身操作与导航领域同步达到SOTA（当前最优水平）的企业。
针对机器人行业长期存在的数据孤岛问题，ABot-M0通过构建全球最大规模的通用机器人数据集实现突破。该模型整合超过600万条真实操作轨迹，创新采用统一动作表示体系，将不同机器人厂商的异构数据转化为标准化格式。通过增量式动作建模技术，模型可跨平台融合多源数据，支持完全基于公开数据的预训练。在算法层面，其首创的动作流形学习（AML）算法，将机器人动作约束在低维流形空间，使动作预测准确率提升40%，解码效率提高3倍。
空间感知能力的升级是ABot-M0的另一核心创新。通过引入3D感知模块，模型可精准解析"前后遮挡""远近层次"等复杂空间关系。在Libero-Plus基准测试中，该模型以80.5%的任务成功率领先行业，较第二名方案提升近30个百分点。特别是在动态场景测试中，其能稳定处理物体移动、光照变化等干扰因素，展现出强大的环境适应性。
在导航领域，ABot-N0通过"全任务统一"架构破解传统模型碎片化难题。该模型首次将点位导航、目标导航、指令跟随、兴趣点导航及人物跟随五大核心任务集成于单一架构，支持复杂指令的自动分解执行。当用户发出"去奶茶店买奶茶并占座"的指令时，系统可自动规划包含地图定位、路径切换、柜台导航、座位寻找的完整行动链。这种多任务协同能力，使机器人能处理包含12个以上子任务的超长程指令。
技术实现上，ABot-N0采用层次化"认知-动作"架构。其"认知大脑"基于Transformer模型进行指令理解与推理规划，"动作专家"则通过流匹配算法生成符合物理规律的运动轨迹。数据引擎方面，高德依托自身地图数据优势，构建了包含8000个高保真3D场景、1700万条专家示例的庞大数据库。在SocNav闭环仿真测试中，该模型成功率较前纪录提升40.5%，HM3D-OVON测试中提升8.8%，展现出卓越的环境泛化能力。
为解决长程任务执行中的容错问题，高德同步推出Agentic Navigation System导航系统框架。该系统通过持续感知-记忆-决策-纠错闭环机制，使机器人具备动态环境适应能力。在真实四足机器人平台的部署测试中，系统实现边缘端高效推理，在复杂室内外场景中保持98.7%的任务连续性，验证了其工业级稳定性。目前，相关技术已应用于物流、服务等多个领域，推动机器人从实验室走向真实应用场景。
