在機器人技術領域，規模化應用長期面臨數據割裂、動作表示不統一以及空間理解能力不足等難題。不同廠商、不同形態的機器人數據體系獨立，導致模型難以跨平臺復用，訓練效率受限且部署成本高昂。近日，阿里巴巴集團旗下高德推出的兩款基座模型——具身操作基座模型ABot-M0與具身導航基座模型ABot-N0，為解決這些問題帶來了新的突破。

ABot-M0作為通用的具身操作基礎模型，從“數據統一—算法革新—空間感知”三個維度進行系統性重構，以提升模型在多樣化機器人形態和任務場景下的泛化能力。在數據層面，它整合全球開源資源，構建了規模超600萬條真實操作軌跡的通用機器人數據集。通過統一動作表示、坐標系與控制頻率，并采用增量式動作建模，實現了跨平臺數據融合，支持完全基于公開數據的預訓練。

算法上，ABot-M0提出全球首個動作流形學習。由于機器人動作受物理規律、任務目標與環境約束，集中分布在低維結構化流形上，該模型設計了AML（Action Manifold Learning）算法，可直接預測結構合理、物理可行的動作序列，提升策略穩定性與解碼效率。為增強空間感知，模型引入3D感知模塊，強化對“前后、遠近、遮擋”等空間語義的理解，能在復雜環境中做出更精準的操作決策。

在Libero、Libero-Plus、RoboCasa基準測試中，ABot-M0在包含復雜任務組合與動態場景擾動的設定下，平均任務成功率均達到SOTA。其中，在Libero-Plus基準上達到80.5%，較業界先進方案pi0提升近30%，在高擾動高難度具身操作任務中表現卓越。

導航是機器人進入物理開放世界的核心能力，但當前具身導航研究存在“碎片化”問題。主流方法針對特定任務構建孤立專用架構，限制了模型跨任務泛化能力，阻礙智能體提取統一物理先驗，導致機器人常“環境看不懂、動作做不準”，復雜指令難以執行。

高德推出的具身導航基座模型ABot-N0以“全任務一統”為目標，全球首次在單一模型中完整集成Point-Goal（點位導航）、Object-Goal（目標導航）、Instruction-Following（指令跟隨）、POI-Goal（興趣點導航）與Person-Following（人物跟隨）五大導航任務，突破了傳統架構任務割裂的瓶頸。例如，當用戶要求搭載ABot-N0的機器人“帶我去奶茶店買一杯奶茶，再幫我占個座”時，系統會自動分解任務：先執行Point-Goal接近奶茶店區域，再切換至POI-Goal鎖定店鋪入口并靠近，接著觸發Instruction-Following進入店鋪導航至柜臺，最后執行Object-Goal尋找空沙發停靠。

ABot-N0在架構設計、數據引擎和系統框架上均有關鍵革新。模型架構采用層次化的“大腦?動作”設計哲學，“認知大腦”理解指令并推理，“動作專家”基于流匹配生成精確且多峰分布的連續軌跡。訓練時，先進行認知訓練熱身，再用部分認知數據和海量導航動作聯合監督微調，最后用強化學習將導航決策對齊到人類偏好的行為價值，打造出更通用的VLA基座模型。

數據方面，依托高德長期積累的場景資產和專家示例，構建了業內最大規模的具身導航數據引擎，涵蓋約8000個高保真3D場景等海量時空數據與近1700萬條專家示例，增強了模型在真實環境中的泛化能力與魯棒性。基于這些創新，ABot-N0在CityWalker、SocNav、R2R-CE/RxR-CE、HM3D-OVON、BridgeNav、EVT-Bench七大權威基準測試中全面刷新世界紀錄。其中在SocNav閉環仿真中，成功率（SR）飆升40.5%，在HM3D-OVON評測中成功率（SR）提升8.8%，均顯著優于之前的SOTA模型。

為解決機器人在執行長程復雜任務時的任務拆解與容錯問題，高德提出可落地的Agentic Navigation System具身導航系統框架，形成從“讀懂指令”到“長程復雜任務執行”的閉環能力架構，支持機器人在執行過程中持續感知、記憶、決策與糾錯。該系統已成功部署于真實四足機器人平臺，并在邊緣側實現高效推理與閉環控制，驗證了其在動態現實環境中的泛化性能與工業級穩定性。