空间智能的“具身化”跃迁，高德ABot体系模型夺冠AGIBot全球挑战赛

以0.829的总成绩荣登榜首

机器人与自动化领域全球顶级会议ICRA 2026官方赛事AGIBOT World Challenge正式收官。在World Model（世界模型）赛道中，由高德与中科院自动化所模式识别实验室联合组建的ABot-NeoVerse团队力压全球150支参赛队伍，以0.829的总成绩荣登榜首。

据了解，本届赛事涵盖推理—操作与世界模型两个赛道，共吸引来自全球27个国家及地区的数百支队伍报名。世界模型赛道汇集了中科院工业人工智能研究所、中科院计算技术研究所、中科大、重庆大学等顶尖科研机构与高校的强劲团队。

作为高德ABot全栈具身技术体系的一部分，ABot-NeoVerse的脱颖而出是高德在具身智能系统化布局的阶段性成果之一。

上个月，高德正式对外发布ABot全栈具身技术体系，并在亦庄机器人马拉松上首秀了基于此架构所自研的全球首款开放环境全自主具身机器人“高德途途”，完整呈现其底层架构到终端产品的研发链路闭环。

ABot技术体系，是高德空间智能在具身智能领域的系统级架构，其涵盖数据、模型和应用三层，通过数据驱动模型、模型服务应用，应用反哺数据的耦合式设计，破解具身智能行业数据稀缺、仿真鸿沟等难题，从而构建了全球首个面向通用人工智能（AGI）的全栈具身技术体系。

此次夺魁的ABot-NeoVerse正位于ABot体系的数据层，是支撑整套架构运转的核心“燃料”，不同于大语言模型，具身模型所需要的训练数据高度稀缺，常规的真机采集成本是大语言模型所需数据成本的数个数量级，直接限制了具身智能发展的天花板。

高德的解法是通过自研世界模型批量合成高仿真训练数据，指数级降低训练成本的同时，从根本上弥合Sim-to-Real的技术鸿沟。这个方式是全球应对具身智能数据荒的主流解决方案，但是由于数据由模型生成，所以对训练数据的抗幻觉能力和物理一致性要求极高。

此次夺魁的ABot-NeoVerse模型，正是高德突破这一难题的例证之一。本届比赛重点考察模型在给定初始视觉观测与机器人动作序列后，对物理状态演变的精准推演能力，并加入大量长尾交互挑战，其本质就是在考验世界模型能否在保证视频质量的前提下，严格遵循物理规律，实现动作与结果的准确预测。

ABot-NeoVerse，成功在多步复杂操作中持续保持物体状态与运动结果的一致性，并有效抑制了动作幻觉。最终，模型不仅在总榜斩获第一，更在Visual Quality（0.6246）与Action Following（0.9651）两项核心指标上实现霸榜。这一成绩直观印证了ABot体系在数据治理与训练范式上的代差优势。

在此次登顶AGIBOT挑战赛之前，ABot体系已经在15项权威测试中获得SOTA。这套经过国际严苛验证的全栈底座，直接部署在“高德途途”上，使其在复杂开放环境中拥有传统机器人不具备的泛化理解与自主执行优势，真正实现从算法突破到产品级全自主作业的跨越。

途途完整继承了该体系在物理规律内化、长程动态预测与高泛化可用上的核心能力。在2026亦庄机器人马拉松上，途途顺利引导一位盲人完成动静态避障、执行通用任务等一系列高难度挑战，全景展现了其开放环境的全自主能力。

业内人士指出，通过将成熟的空间智能资产与前沿的物理世界模型深度融合，高德为具身智能提供了一条可验证的全栈技术路径。这一全栈架构的成熟，也标志着具身智能已具备向规模化工程应用演进的坚实基础。

来源：高德地图

版权所有，未经授权不得以任何形式转载及使用，违者必究。