AutoNavi 對 ABot 身體系統進行了重大升級,推出了全新的五款核心模型

7月23日,隸屬於阿里巴巴集團的餓了麼宣佈其具身系統ABot已完成全面的全棧升級。作為此次更新的一部分,該公司正式推出了五款全新的核心模型:ABot-N1、ABot-M0.5、ABot-ER、ABot-AgentOS以及ABot-C0。這一進展使得感知、決策、執行和記憶功能能夠在系統中實現無縫整合,大幅提升了機器人獨立處理各類通用任務的能力,也為高度整合的具身智慧技術發展帶來了重要突破。
作為全球首個全棧具身技術系統,ABot融合了世界模型、基礎模型以及嵌入式Agent架構,構建出了一個能夠自我進化的閉環機制。該系統透過模擬訓練、實體互動和記憶排程三者相互配合的迴圈得以維持執行。
這五款升級後的模型分別對應機器人的關鍵功能元件。ABot-N1承擔通用導航功能,相當於機器人的“雙腳”,它採用快慢兩種模式的雙系統設計,從而在長期邏輯推理與實時控制之間實現平衡。ABot-M0.5則負責通用操作功能,類似機器人的“雙手”,它將移動動作與操控動作分置為獨立的行動流,同時整合幀級隱式動作,以確保機器人眼睛、雙手和雙腳之間的精準協調。ABot-ER充當具身大腦的角色,而ABot-AgentOS則作為執行中心,二者共同構成了更高層級的系統架構——大腦負責提升與空間關係及任務相關的邏輯決策能力,執行中心則可實現人形、四足和輪式等各類機器人型別的統一適配,並具備跨任務的多元終身記憶管理功能。ABot-C0則相當於運動控制系統,如同“運動神經”,它為四足機器人建立了統一的行為框架,確保決策能夠準確轉化為實際動作。
目前,具身智慧正處於關鍵發展階段,正從依賴單一技術突破轉向能夠在複雜的現實場景中得到應用。透過構建涵蓋“雙手、雙腳、大腦、中樞神經系統和運動神經”在內的全棧協同架構,餓了麼解決了此前因機器人功能分散而導致的種種侷限。這一方案不僅提升了機械系統在真實環境中的泛化能力和自我進化能力,還為通用機器人在各行業及服務領域的廣泛商業化應用提供了堅實的系統性框架。
相關文章
Claude Opus 5.2 夜灰色版釋出,響應速度更快,解決懶惰問題
Opus 5.2 今晨悄然上線,促使許多開發者注意到,更新後的模型 Claude Opus 5.2 已在 Claude Code 內部開始有限範圍的推送。昨晚,X 平臺使用者觀察到,在 Claude Code 中呼叫 Opus 5 時,其效能遠超標準網頁版,宛如“降維打擊”。這種路由策略在頂級 AI 公司中十分常見。資料包分析顯示,儘管前端標籤未變,但底層模型識別符號已切換為 Opus 5.2,這表明 Anthropic 可能完全跳過了 5.1 版本。速度、精度與自動“高強度迴圈”下的持續執
Fireworks AI 釋出搭載 Opus 的 FireRouter:編碼成本降低 57%,精度損失極小
Fireworks AI 推出了搭載 Opus 的 FireRouter,這是業界首個專為 Claude Opus 系列定製的快取感知路由系統。目前,該獨立路由模型已透過無伺服器端點開放使用。經過超過一個月的內部 A/B 測試,FireRouter 在編碼任務中實現了 98.1% 的準確率,同時與單獨使用 Opus 相比,成本降低了 57%。FireRouter 的工作原理是在每次使用者互動時評估每個模型對當前任務的適用性。它計算處理成本(包括提示詞快取),並判斷切換模型所節省的成本是否足以抵消緩
NVIDIA 釋出 Nemotron-Labs-Audex-30B-A3B 統一音訊智慧模型
隨著多模態大模型的快速發展,音訊處理能力往往受到妥協——許多模型在提升音訊理解能力的同時,卻犧牲了文字邏輯。為解決這一問題,NVIDIA 研究人員推出了 Nemotron-Labs-Audex-30B-A3B(Audex),這是一款統一的音訊-文字大語言模型,旨在彌合這一差距。Audex 採用精簡高效的設計,基於強大的純文字混合專家(MoE)架構構建。透過利用單個 Transformer 解碼器,它同時處理文字和量化音訊令牌。該方法將音訊輸入投影到文字嵌入空間,確保與現有用於多模態任務的大語言
相關專題推薦
評論 (0)
0/500

7月23日,隸屬於阿里巴巴集團的餓了麼宣佈其具身系統ABot已完成全面的全棧升級。作為此次更新的一部分,該公司正式推出了五款全新的核心模型:ABot-N1、ABot-M0.5、ABot-ER、ABot-AgentOS以及ABot-C0。這一進展使得感知、決策、執行和記憶功能能夠在系統中實現無縫整合,大幅提升了機器人獨立處理各類通用任務的能力,也為高度整合的具身智慧技術發展帶來了重要突破。
作為全球首個全棧具身技術系統,ABot融合了世界模型、基礎模型以及嵌入式Agent架構,構建出了一個能夠自我進化的閉環機制。該系統透過模擬訓練、實體互動和記憶排程三者相互配合的迴圈得以維持執行。
這五款升級後的模型分別對應機器人的關鍵功能元件。ABot-N1承擔通用導航功能,相當於機器人的“雙腳”,它採用快慢兩種模式的雙系統設計,從而在長期邏輯推理與實時控制之間實現平衡。ABot-M0.5則負責通用操作功能,類似機器人的“雙手”,它將移動動作與操控動作分置為獨立的行動流,同時整合幀級隱式動作,以確保機器人眼睛、雙手和雙腳之間的精準協調。ABot-ER充當具身大腦的角色,而ABot-AgentOS則作為執行中心,二者共同構成了更高層級的系統架構——大腦負責提升與空間關係及任務相關的邏輯決策能力,執行中心則可實現人形、四足和輪式等各類機器人型別的統一適配,並具備跨任務的多元終身記憶管理功能。ABot-C0則相當於運動控制系統,如同“運動神經”,它為四足機器人建立了統一的行為框架,確保決策能夠準確轉化為實際動作。
目前,具身智慧正處於關鍵發展階段,正從依賴單一技術突破轉向能夠在複雜的現實場景中得到應用。透過構建涵蓋“雙手、雙腳、大腦、中樞神經系統和運動神經”在內的全棧協同架構,餓了麼解決了此前因機器人功能分散而導致的種種侷限。這一方案不僅提升了機械系統在真實環境中的泛化能力和自我進化能力,還為通用機器人在各行業及服務領域的廣泛商業化應用提供了堅實的系統性框架。
Claude Opus 5.2 夜灰色版釋出,響應速度更快,解決懶惰問題
Opus 5.2 今晨悄然上線,促使許多開發者注意到,更新後的模型 Claude Opus 5.2 已在 Claude Code 內部開始有限範圍的推送。昨晚,X 平臺使用者觀察到,在 Claude Code 中呼叫 Opus 5 時,其效能遠超標準網頁版,宛如“降維打擊”。這種路由策略在頂級 AI 公司中十分常見。資料包分析顯示,儘管前端標籤未變,但底層模型識別符號已切換為 Opus 5.2,這表明 Anthropic 可能完全跳過了 5.1 版本。速度、精度與自動“高強度迴圈”下的持續執
Fireworks AI 釋出搭載 Opus 的 FireRouter:編碼成本降低 57%,精度損失極小
Fireworks AI 推出了搭載 Opus 的 FireRouter,這是業界首個專為 Claude Opus 系列定製的快取感知路由系統。目前,該獨立路由模型已透過無伺服器端點開放使用。經過超過一個月的內部 A/B 測試,FireRouter 在編碼任務中實現了 98.1% 的準確率,同時與單獨使用 Opus 相比,成本降低了 57%。FireRouter 的工作原理是在每次使用者互動時評估每個模型對當前任務的適用性。它計算處理成本(包括提示詞快取),並判斷切換模型所節省的成本是否足以抵消緩
NVIDIA 釋出 Nemotron-Labs-Audex-30B-A3B 統一音訊智慧模型
隨著多模態大模型的快速發展,音訊處理能力往往受到妥協——許多模型在提升音訊理解能力的同時,卻犧牲了文字邏輯。為解決這一問題,NVIDIA 研究人員推出了 Nemotron-Labs-Audex-30B-A3B(Audex),這是一款統一的音訊-文字大語言模型,旨在彌合這一差距。Audex 採用精簡高效的設計,基於強大的純文字混合專家(MoE)架構構建。透過利用單個 Transformer 解碼器,它同時處理文字和量化音訊令牌。該方法將音訊輸入投影到文字嵌入空間,確保與現有用於多模態任務的大語言





首頁






