高德发布两款ABot系列基座模型，达成全球首个具身操作和具身导航“双SOTA”

ABot-M0模型架构图 ABot-M0 基于全球开源资源，整合超过 600 万条真实操作轨迹，构建了目前规模最大的通用机器人数据集。通过统一动作表示、坐标系与控制频率，并采 用增量式动作建模，实现了跨平台数据融合，支撑了完全基于公开数据的预训练。 算法革新上，ABot-M0 提出了全球首个动作流形学习：有效的机器人动作受限于物理规律、任务目标与环境约束，集中分布在低维结构化的流形上。设计 了 AML（Action Manifold Learning）算法，使模型能够直接预测结构合理、物理可行的动作序列，提升策略的稳定性与解码效率。 为增强空间感知，ABot-M0 引入 3D 感知模块，增强模型对"前后、远近、遮挡"等空间语义的理解，在复杂环境中实现更精准的操作决策。 在 Libero、Libero-Plus、RoboCasa 基准测试中，该模型在包含复杂任务组合与动态场景扰动的设定下，平均任务成功率均达到 SOTA。其中，Libero-Plus 基 准上达到了 80.5%，较业界先进方案pi0提升近30%，展现了其在高扰动高难度具身操作任务中的领先性能。 近日，阿里巴巴集团旗下高德正式发布具身操作基座模型A ...