高德 ABot 升级五款具身模型，称拿下 17 项 SOTA
新智元 · wechat · 2026-07-22
具身智能下半场：从单点能力转向体系化作战
这篇文章把具身智能赛道的变化概括为从“机器人会动”走向“机器人能干活”。作者以特斯拉 Optimus、Figure 等为例，强调行业正在从单个技能比拼，转向 Physical AI：机器人要在真实世界里完成感知、推理、记忆、执行的闭环。
文章重点介绍了高德的 ABot 全栈具身技术体系，称其升级后一次发布了五款模型：N1、M0.5、ER、AgentOS、C0，并在 17 项基准上取得 SOTA。整体被描述为三层结构：
- 具身大脑：ER + AgentOS 负责感知、推理、任务调度和记忆沉淀；
- 运动双核：N1 负责导航，M0.5 负责操作；
- 训练与仿真层：ABot-World、ABot-Earth 提供仿真与数据回流。
文中给出的核心结果包括：
- N1 导航：开放环境自主导航成功率据称达到 92.9%，并在 R2R-CE 等基准上刷新 SOTA；
- M0.5 操作：在 RoboCasa-365 上相较前代 SOTA 提升 20.4%；
- ER / AgentOS：把推理、规划、插件式技能和多模态记忆做成统一中枢；
- C0：在自研四足机器人“高德途途”上完成端到端验证。
文章的结论是，具身智能真正的竞争点已经不是某个单独模型或机械结构，而是能否形成仿真、物理交互和记忆反哺的闭环飞轮。
「公司和人」频道最新
- Anthropic 15 亿美元 JV 像是把人嵌进客户办公室 — CurieuxExplorer · 2026-07-22
- CCAIM 为 2026 医疗 AI 夏校开放资助名额 — MihaelaVDS · 2026-07-22
- Google DeepMind 把 Street View 全景变成交互旋转视频 — nathanbenaich · 2026-07-22
- Anthropic 挖教授挖成了学界梗 — rao2z · 2026-07-22
- Nvidia Spectrum 交换机加入 CPO 支持，Lambda 已在测试 — TheZachMueller · 2026-07-22
- 内部智能体工作流把看板任务直接变成审查过的 PR — alex_verem · 2026-07-22