ABot-AgentOS：机器人通用运行层
acvlab · hf · 2026-07-14
### ABot-AgentOS：通用机器人 Agent OS 作者提出一个位于底层控制器之上的通用机器人运行层，用于长时序具身任务中的： - 推理与规划 - 多模态记忆 - 工具使用与验证 - 跨具身执行 - 端云协同 同时，他们还引入了 **EmbodiedWorldBench**，这是一个可执行基准，包含 16 个室内、室外和混合场景，4 个难度级别，以及 200+ 任务，覆盖导航、找物、NPC 对话、动态事件和 trace-grounded 评分。 ### 记忆与自进化 系统还提出 **Universal Multi-modal Graph Memory**：把对话、视觉观察、空间上下文、时间关系和任务轨迹转成带类型的节点和边，作为持久且可审计的记忆底座。另有一个“失败驱动”的自进化循环，把诊断出的记忆失败转化为受门控的运行时 evo-assets，只在后续评测分割中启用，以避免当前 split 的 ground-truth 泄漏。 ### 实验结果 在 EmbodiedWorldBench 的初始子集上，ABot-AgentOS 相比单控制器基线提升了任务成功率和目标完成度。在若干记忆基准上，静态版取得： - LoCoMo：87.5 - OpenEQA EM-EQA：59.9 - Mem-Gallery：88.6 - NExT-QA：76.5 Acc@All 自进化进一步把 LoCoMo 提升到 88.7、OpenEQA 提升到 60.4、Mem-Gallery 提升到 89.0。