高德地图ABot具身智能体系完成全栈升级

从“单点技能”到“体系进化”——高德ABot具身智能迎来全栈升级。这一次，高德一次性发布5款模型，在17项权威基准中拿下SOTA，并把“身随眼动、手脚并用、过目不忘”的能力，装进同一套自进化技术体系。

核心看点：

1.身随眼动——ABot-N1 仅靠普通地图+RGB相机完成城市级自主导航，室外成功率92.9%，5项基准SOTA

2.手脚并用——ABot-M0.5 让机器人边走边干，复杂任务领先第二名20.4%，4项基准SOTA

3.过目不忘——ABot-ER与AgentOS构建终身记忆系统，5项记忆基准全部刷新世界纪录

在具身智能的探索中，我们常面临一个共同的困境：为什么大模型已经能生成逼真的3D世界、能规划复杂的任务链，却很难让一台机器人在真实城市的人行道上稳定走完一公里，或者在家里连续完成"找到杯子、接水、端过来"这样一个简单的三步操作？

因为物理世界不是一道题，而是一场持续的考试。单点能力再强，不能闭环就无法交付；单次表现再好，不能积累就无法进化。行业长期聚焦于单模型突破——更好的导航模型、更强的操作模型、更聪明的推理模型——但它们各自为政，数据不互通、经验不共享、能力不复用。这本质上是一个体系问题：机器人需要的不是更多零件，而是一个完整的、会自我进化的有机体。

今天，高德宣布 ABot 具身体系完成全栈升级，一次性发布 ABot-N1、ABot-M0.5、ABot-ER、ABot-AgentOS、ABot-C0 五款模型，并在 17 项权威基准中拿下 SOTA。作为全球首个全栈具身技术体系，ABot 将世界模型、基座模型与具身 Agent 架构耦合为一个高度协同的“有机生命体”——五款模型分别对应机器人的“脚、手、脑、中枢和运动神经”，并以“身随眼动、手脚并用、过目不忘”的里程碑，推动具身智能从“局部技术提升”迈向“体系化跃迁”。

ABot-N1：让机器人“身随眼动”

机器人想进入开放世界，第一步是“走进去”。但常规导航地图是为人类设计的：路线哪怕画在机动车道上，人凭常识也能安全通行。机器人没有这种细粒度空间常识，传统方案只能依赖专门采集的高精地图，成本高、扩展慢，也无法应对真实环境的动态变化。

ABot-N1 作为通用导航基座模型，要做的正是让机器人像人一样“身随眼动”。

它采用快慢双系统架构：慢系统负责长程逻辑推理，快系统负责实时控制。当导航出现偏差时，模型会基于慢系统的正确推理，将控制权回退到视觉判断。同时，ABot-N1 首创像素级思维链，把每一步决策同时输出为自然语言推理链与像素级标注，让“为什么这样走”变得可追溯、可沉淀。

（ABot-N1开放环境全自主导航克服定位偏差）

这意味着机器人只需普通 RGB 相机和 SD 路网，就能完成城市级长程自主导航。评测显示，ABot-N1 在点位导航、目标导航、指令跟随、兴趣点导航与人物跟随五大任务上均领先同类模型，室外导航成功率达到 92.9%，并在 R2R-CE、HM3D-OVON、ABotN-PointBench、ABotN-POIBench、EVT-Bench 等 5 项权威基准取得 SOTA。

在产品演示中，ABot-N1 展现出的不只是一条规划路线：它可以识别可通行区域与禁行区域，理解红绿灯与交通规则，在人群中动态避障，在狭窄空间与楼梯场景中自主重规划，并稳定跟随主人穿越城市公共空间。它不是在执行导航，而是在理解世界。

ABot-M0.5：让机器人“手脚并用”

会走之后，机器人还要“会干活”。真实场景中的长程任务，从来不是站在原地完成一次抓取，而是移动、感知、操作在极细时间粒度上的协同。传统模型把“移动”和“操作”线性串联，底盘与机械臂互相干扰，视线一被遮挡、动作偏了几毫米，后续就全盘崩溃。

ABot-M0.5 作为通用操作基座模型，连接了“能动”与“能干”。

它将机器人运动与操作拆分为两条独立动作流，使二者互不干扰；同时引入帧级隐式动作，让让机器人“眼、手、脚”在更细的时间颗粒上实时对齐，真正像人一样能够手脚并用。

（ABot-M0.5全自主进行移动操作）

更关键的是，ABot-M0.5 采用“梦境自愈”训练机制：训练中让模型基于自身预测的含噪视觉画面继续生成动作，自己学会在偏差中找平衡，从根本上解决“一步错、步步错”。

这让机器人在 LIBERO、RoboTwin、RoboCasa365 等 4 项权威基准上均取得 SOTA。在 RoboCasa-365 测试中，复杂任务领先前代 SOTA 20.4%，基础任务领先 10.6%，呈现出越难越强。

视频中，ABot-M0.5 完成了从桌面环境感知、精准抓取、倒茶操作到服务递送的完整闭环，像人一样边走边干。

ABot-ER 与 ABot-AgentOS：让机器人“过目不忘”

当机器人拥有了“身随眼动”与“手脚并用”的能力，还需要一个顶层大脑——具身Agent架构来统一调配。其组成包括具身大脑ABot-ER与执行中枢ABot-AgentOS。

ABot-ER 负责从感知到行动的全流程判断，让机器人超越单纯视觉判别，真正“想明白”物体、空间与任务之间的关系。ABot-ER 取得 3 项 SOTA，并登顶数十家机构联合发布的 Embodied Arena 2D-EQA。

而 ABot-AgentOS 则进一步把“想明白”转化为“做得到”。

AgentOS 将规划、调用、执行与验证从机器人本体中解耦，通过插件式 Skill 接入不同本体，使同一套系统能够适配人形、四足、轮式等异构机器人。更重要的是，它具备跨任务、跨时间的多模态终身记忆系统：基于任务失败轨迹定向优化记忆存储结构，把每一次执行中的成功、失败和纠错都转化为下一次可复用的经验。

在产品演示中，AgentOS 的能力被完整呈现：它可以理解自然语言指令，主动查询时间与天气，在多轮对话中持续保持上下文；接收到新任务后，机器人独立出发，通过 Point Goal 导航抵达指定区域，利用 Verifier 核验目标人员与场所，在遮挡环境中调用 Memory 重新发现目标，最终返回用户身边完成交付。

这类复杂长程任务的完成，靠的不是单点能力，而是 ER 与 AgentOS 构成的智能体架构——它让机器人从“做完即忘”走向“越用越聪明”，是ABot体系实现闭环自进化的核心。

由ABot-C0运控系统组成的"运动神经"，是实现模型能力外化的最后一环。该模型通过构建四足机器人统一的行为基座，将ABot体系的每一个决策，稳稳传导到机器人动作上。

ABot的自进化能力，实现了从底层世界模型到顶层Agent架构的全栈智能涌现，让机器人像人类积累知识一样，在各个成长阶段皆能展现出高度统一的通用型智能。未来，ABot将持续深入基础探索，融入更多形态的机器人，让它们在真实开放的世界中持续学习、自然演进。