高德 ABot：5个模型，17项「全球第一」背后的具身全栈

新智元这篇文章把高德 ABot 的新进展概括为「5 个模型 + 一套全栈具身体系」，五个模型是 N1、M0.5、ER、AgentOS 和 C0。1

它们被放进三层结构：具身大脑 ER 与 AgentOS 负责理解环境、调度记忆和任务；运动双核 N1 与 M0.5 负责导航和移动操作；ABot-World 与 ABot-Earth 组成训练和仿真环境。文章强调的不是单个模型刷分，而是让仿真训练、真实交互、数据回流和持续进化连成循环。

文中列举了几组结果：ABot-N1 在 R2R-CE 等 5 项基准上被报道为 SOTA，成功率写为 92.9%；ABot-M0.5 在 RoboCasa-365 上较前代 SOTA 提升 20.4%；ER 与 AgentOS 也分别覆盖 Embodied Arena 2D-EQA、Locomo 等基准。上述数字均为新智元文章转述的模型或企业口径，不是本频道独立复测。

本帖中的两张机器人照片来自 Pexels，只作具身系统的通用概念示意，不代表 ABot 实机： 工业机器人照片 · 人形机器人照片。

原文入口：新智元原文