AutoNavi 对 ABot 身体系统进行了重大升级,推出了全新的五款核心模型

7月23日,隶属于阿里巴巴集团的饿了么宣布其具身系统ABot已完成全面的全栈升级。作为此次更新的一部分,该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。这一进展使得感知、决策、执行和记忆功能能够在系统中实现无缝整合,大幅提升了机器人独立处理各类通用任务的能力,也为高度集成的具身智能技术发展带来了重要突破。
作为全球首个全栈具身技术系统,ABot融合了世界模型、基础模型以及嵌入式Agent架构,构建出了一个能够自我进化的闭环机制。该系统通过模拟训练、实体交互和记忆调度三者相互配合的循环得以维持运行。
这五款升级后的模型分别对应机器人的关键功能组件。ABot-N1承担通用导航功能,相当于机器人的“双脚”,它采用快慢两种模式的双系统设计,从而在长期逻辑推理与实时控制之间实现平衡。ABot-M0.5则负责通用操作功能,类似机器人的“双手”,它将移动动作与操控动作分置为独立的行动流,同时整合帧级隐式动作,以确保机器人眼睛、双手和双脚之间的精准协调。ABot-ER充当具身大脑的角色,而ABot-AgentOS则作为执行中心,二者共同构成了更高层级的系统架构——大脑负责提升与空间关系及任务相关的逻辑决策能力,执行中心则可实现人形、四足和轮式等各类机器人类型的统一适配,并具备跨任务的多元终身记忆管理功能。ABot-C0则相当于运动控制系统,如同“运动神经”,它为四足机器人建立了统一的行为框架,确保决策能够准确转化为实际动作。
目前,具身智能正处于关键发展阶段,正从依赖单一技术突破转向能够在复杂的现实场景中得到应用。通过构建涵盖“双手、双脚、大脑、中枢神经系统和运动神经”在内的全栈协同架构,饿了么解决了此前因机器人功能分散而导致的种种局限。这一方案不仅提升了机械系统在真实环境中的泛化能力和自我进化能力,还为通用机器人在各行业及服务领域的广泛商业化应用提供了坚实的系统性框架。
相关文章
Claude Opus 5.2 夜灰色版发布,响应速度更快,解决懒惰问题
Opus 5.2 今晨悄然上线,促使许多开发者注意到,更新后的模型 Claude Opus 5.2 已在 Claude Code 内部开始有限范围的推送。昨晚,X 平台用户观察到,在 Claude Code 中调用 Opus 5 时,其性能远超标准网页版,宛如“降维打击”。这种路由策略在顶级 AI 公司中十分常见。数据包分析显示,尽管前端标签未变,但底层模型标识符已切换为 Opus 5.2,这表明 Anthropic 可能完全跳过了 5.1 版本。速度、精度与自动“高强度循环”下的持续执行
Fireworks AI 发布搭载 Opus 的 FireRouter:编码成本降低 57%,精度损失极小
Fireworks AI 推出了搭载 Opus 的 FireRouter,这是业界首个专为 Claude Opus 系列定制的缓存感知路由系统。目前,该独立路由模型已通过无服务器端点开放使用。经过超过一个月的内部 A/B 测试,FireRouter 在编码任务中实现了 98.1% 的准确率,同时与单独使用 Opus 相比,成本降低了 57%。FireRouter 的工作原理是在每次用户交互时评估每个模型对当前任务的适用性。它计算处理成本(包括提示词缓存),并判断切换模型所节省的成本是否足以抵消缓
NVIDIA 发布 Nemotron-Labs-Audex-30B-A3B 统一音频智能模型
随着多模态大模型的快速发展,音频处理能力往往受到妥协——许多模型在提升音频理解能力的同时,却牺牲了文本逻辑。为解决这一问题,NVIDIA 研究人员推出了 Nemotron-Labs-Audex-30B-A3B(Audex),这是一款统一的音频-文本大语言模型,旨在弥合这一差距。Audex 采用精简高效的设计,基于强大的纯文本混合专家(MoE)架构构建。通过利用单个 Transformer 解码器,它同时处理文本和量化音频令牌。该方法将音频输入投影到文本嵌入空间,确保与现有用于多模态任务的大语言
相关专题推荐
评论 (0)
0/500

7月23日,隶属于阿里巴巴集团的饿了么宣布其具身系统ABot已完成全面的全栈升级。作为此次更新的一部分,该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。这一进展使得感知、决策、执行和记忆功能能够在系统中实现无缝整合,大幅提升了机器人独立处理各类通用任务的能力,也为高度集成的具身智能技术发展带来了重要突破。
作为全球首个全栈具身技术系统,ABot融合了世界模型、基础模型以及嵌入式Agent架构,构建出了一个能够自我进化的闭环机制。该系统通过模拟训练、实体交互和记忆调度三者相互配合的循环得以维持运行。
这五款升级后的模型分别对应机器人的关键功能组件。ABot-N1承担通用导航功能,相当于机器人的“双脚”,它采用快慢两种模式的双系统设计,从而在长期逻辑推理与实时控制之间实现平衡。ABot-M0.5则负责通用操作功能,类似机器人的“双手”,它将移动动作与操控动作分置为独立的行动流,同时整合帧级隐式动作,以确保机器人眼睛、双手和双脚之间的精准协调。ABot-ER充当具身大脑的角色,而ABot-AgentOS则作为执行中心,二者共同构成了更高层级的系统架构——大脑负责提升与空间关系及任务相关的逻辑决策能力,执行中心则可实现人形、四足和轮式等各类机器人类型的统一适配,并具备跨任务的多元终身记忆管理功能。ABot-C0则相当于运动控制系统,如同“运动神经”,它为四足机器人建立了统一的行为框架,确保决策能够准确转化为实际动作。
目前,具身智能正处于关键发展阶段,正从依赖单一技术突破转向能够在复杂的现实场景中得到应用。通过构建涵盖“双手、双脚、大脑、中枢神经系统和运动神经”在内的全栈协同架构,饿了么解决了此前因机器人功能分散而导致的种种局限。这一方案不仅提升了机械系统在真实环境中的泛化能力和自我进化能力,还为通用机器人在各行业及服务领域的广泛商业化应用提供了坚实的系统性框架。
Claude Opus 5.2 夜灰色版发布,响应速度更快,解决懒惰问题
Opus 5.2 今晨悄然上线,促使许多开发者注意到,更新后的模型 Claude Opus 5.2 已在 Claude Code 内部开始有限范围的推送。昨晚,X 平台用户观察到,在 Claude Code 中调用 Opus 5 时,其性能远超标准网页版,宛如“降维打击”。这种路由策略在顶级 AI 公司中十分常见。数据包分析显示,尽管前端标签未变,但底层模型标识符已切换为 Opus 5.2,这表明 Anthropic 可能完全跳过了 5.1 版本。速度、精度与自动“高强度循环”下的持续执行
Fireworks AI 发布搭载 Opus 的 FireRouter:编码成本降低 57%,精度损失极小
Fireworks AI 推出了搭载 Opus 的 FireRouter,这是业界首个专为 Claude Opus 系列定制的缓存感知路由系统。目前,该独立路由模型已通过无服务器端点开放使用。经过超过一个月的内部 A/B 测试,FireRouter 在编码任务中实现了 98.1% 的准确率,同时与单独使用 Opus 相比,成本降低了 57%。FireRouter 的工作原理是在每次用户交互时评估每个模型对当前任务的适用性。它计算处理成本(包括提示词缓存),并判断切换模型所节省的成本是否足以抵消缓
NVIDIA 发布 Nemotron-Labs-Audex-30B-A3B 统一音频智能模型
随着多模态大模型的快速发展,音频处理能力往往受到妥协——许多模型在提升音频理解能力的同时,却牺牲了文本逻辑。为解决这一问题,NVIDIA 研究人员推出了 Nemotron-Labs-Audex-30B-A3B(Audex),这是一款统一的音频-文本大语言模型,旨在弥合这一差距。Audex 采用精简高效的设计,基于强大的纯文本混合专家(MoE)架构构建。通过利用单个 Transformer 解码器,它同时处理文本和量化音频令牌。该方法将音频输入投影到文本嵌入空间,确保与现有用于多模态任务的大语言





首页






