Η αναβάθμιση του Amap της Alibaba για τον πυρήνα Embodied-AI των ρομπότ

Η Amap, ο χαρτογράφος και η υπηρεσία τοποθεσίας της Alibaba, έχει εκδώσει μια πλήρη αναβάθμιση για το ABot, το σύστημα embodied-AI που κατασκευάζει για να οδηγήσει ρομπότ αντί για οδηγούς. Ανακοινώθηκε στις 22 Ιουλίου 2026, η ενημέρωση περιλαμβάνει πέντε νέα μοντέλα που καλύπτουν τη ναυτιλία, τη χειρισμό, τη λογική, τη μακροχρόνια μνήμη και τον έλεγχο κίνησης, και η Amap λέει ότι ο συνδυασμένος πυρήνας έθεσε τα υψηλότερα σκορ σε 17 επιδόσεις.

Αυτό που η εταιρεία απέστειλε είναι ένα σύνολο μοντέλων και ερευνητικών εργασιών, όχι ένα ρομπότ με ετικέτα τιμής ή πελάτη. Η διάκριση έχει σημασία. Η κυκλοφορία περιγράφει ικανότητες που μετρήθηκαν σε επιδόσεις, όχι μια μηχανή που εκτελεί μια βάρδια κάπου με τις παρεμβάσεις της καταγεγραμμένες. Ο πυρήνας προορίζεται να είναι αδιάκριτος, συνδέοντας σε ανθρωποειδή, τετράποδα και ρομπότ με τροχούς μέσω ανταλλάξιμων δεξιοτήτων, ώστε ένα “εγκέφαλο” να μπορεί, με την αρχή, να οδηγεί διαφορετικό υλικό — την ίδια δια-σώματη φιλοδοξία που διέρχεται από τον ευρύτερο αγώνα ρομποτικής.

Τι προστίθεται η αναβάθμιση

Η ναυτιλία είναι το κομμάτι που είναι πιο κοντά στη δουλειά της Amap, και το μοντέλο της, ABot-N1, αντανακλά这一. Ζευγαρώνει ένα αργό模块 για τη σχεδιασμό διαδρομής με ένα γρήγορο που εκδίδει εντολές κίνησης, και προσθέτει αυτό που η ομάδα ονομάζει “αλυσίδα σκέψης σε επίπεδο pixel” που συνδέει αυτό που βλέπει η κάμερα με γραπτές λογικές, ώστε μια απόφαση να μπορεί να αναζητηθεί. Η Amap λέει ότι το ABot-N1 μπορεί να διασχίσει μια πόλη χρησιμοποιώντας μόνο τα συνηθισμένα χάρτες ναυτιλίας, με ποσοστό επιτυχίας 92,9% στο εξωτερικό· η εργασία αναφέρει 95,4% σε σύνθετα εσωτερικά σκηνικά και κέρδος 35% στην επίτευξη σημείων ενδιαφέροντος, στο 77,3%.

Ο χειρισμός είναι πιο δύσκολος, και είναι αυτό που ABot-M0.5 στοχεύει: η πολυπλόκοτη δουλειά της μετακίνησης σε ένα αντικείμενο και χειρισμού του, όπως η λήψη νερού από einen διανομέα σε ένα δωμάτιο. Αντί να εκτελεί την κίνηση και τη χειραγώγηση ως μια ακολουθία, τις χωρίζει σε δύο ροές δράσεων, και προσθέτει μια μέθοδο εκπαίδευσης που η Amap ονομάζει “αυτο-ιατρική” που επιτρέπει στο μοντέλο να συνεχίσει να δρα από θορυβώδεις οπτικές προβλέψεις αντί να σταματά σε μικρά λάθη. Στο RoboCasa-365 τεστ, η Amap αναφέρει ότι ξεπέρασε το προηγούμενο καλύτερο σύστημα κατά 20,4% στις σύνθετες εργασίες και 10,6% στις βασικές.

Δύο ακόμη μοντέλα αποτελούν το στρώμα απόφασης. Το ABot-ER κατασκευάζεται για να λογαριαστεί για το πώς τα αντικείμενα, οι χώροι και οι εργασίες σχετίζονται αντί να αναγνωρίζει μόνο τι είναι στο πλαίσιο· η Amap λέει ότι κατέλαβε την πρώτη θέση σε ένα διαστημικό ερωτηματικό-απάντηση, Embodied Arena 2D-EQA, κατά την ανακοίνωση. Το ABot-AgentOS βρίσκεται πάνω από τους ελεγκτές και χειρίζεται τη σχεδιασμό, τη χρήση εργαλείων, την εκτέλεση και την επαλήθευση, με μια μακροχρόνια μνήμη που μπορεί να μάθει από αποτυχημένες προσπάθειες. Ένα πέμπτο μοντέλο, το ABot-C0, μετατρέπει αυτές τις αποφάσεις σε κίνηση για τετράποδα ρομπότ. Μαζί, τα στρώματα λογικής και agent στοχεύουν στο μέρος του embodied-AI που μπερδεύει τα περισσότερα συστήματα: όχι μια seule χειραγώγηση, αλλά η σύνδεση πολλών βημάτων σε μια μακρά εργασία χωρίς να χάσει το νήμα.

Επιδόσεις, όχι αναπτύξεις

Η Amap έβαλε περισσότερα στο τραπέζι από ό,τι οι περισσότερες εκκινήσεις ρομπότ. Δημοσίευσε εργασίες για τα μοντέλα ναυτιλίας, χειρισμού, agent και ελέγχου κίνησης στο arXiv και κυκλοφόρησε κώδικα και τεστ σετ, το οποίο είναι πιο ελέγξιμο από ένα κομμένο και επιταχυνόμενο highlight reel. Οι εξωτερικοί ερευνητές μπορούν, με την αρχή, να ξανατρέξουν την εργασία.

Τα νούμερα vẫn φέρουν το συνηθισμένο αστερίσκο. Είναι τα δικά τους αποτελέσματα, και αρκετά από τις επιδόσεις είναι αυτές που η Amap εισήγαγε μαζί με τα μοντέλα: το ABot-N1 έρχεται με νέα τεστ σημείου-στόχου και σημείου-ενδιαφέροντος, και το σύστημα agent βαθμολογείται σε μια επιδοση που ορίζεται από την ίδια εργασία. Κανένα ανεξάρτητο εργαστήριο δεν έχει αναπαράγει τα νούμερα, και κανένα από τα μοντέλα δεν έρχεται με μια πραγματική ανάπτυξη — καμία μέγεθος στόλου, καμία διάρκεια λειτουργίας, καμία συχνότητα παρέμβασης που δείχνει πόσο συχνά ένας άνθρωπος должен να παρέμβει. Αυτό το κενό χωρίζει ένα αποτέλεσμα επιδόσεων από το “έτος ανάπτυξης” που οι αντίπαλοι όπως το AgiBot έχουν αρχίσει να ισχυρίζονται.

Το μόνο φυσικό άγκυρο είναι ένα τετράποδο οδηγικό ρομπότ που η Amap είπε τον Απρίλιο του 2026 ότι θα στείλει στο Beijing E-Town Half Marathon. Αυτό είναι μια επίδειξη, όχι μια ανάπτυξη: ένα ρομπότ σε μια σκηνή που έχει διαμορφωθεί λέει λίγα για το πώς ο πυρήνας αντέχει σε ένα πραγματικό περιβάλλον.

Γιατί μια εταιρεία χαρτογράφησης κατασκευάζει εγκεφάλους ρομπότ

Η Amap εκτελεί одну από τις μεγαλύτερες πλατφόρμες ναυτιλίας της Κίνας, και η στοίχημα της είναι ότι τα δεδομένα χαρτογράφησης και σημείων ενδιαφέροντος πίσω από αυτή την υπηρεσία είναι ένα προβάδισμα για τη χωρική λογική που τα ρομπότ χρειάζονται για να κινούνται στο φυσικό κόσμο. Η εταιρεία έστησε μια διεύθυνση embodied-νοημοσύνης τον Ιανουάριο του 2026 και κυκλοφόρησε τα πρώτα της μοντέλα ναυτιλίας και χειρισμού, ABot-N0 και ABot-M0, εβδομάδες αργότερα· η αναβάθμιση του Ιουλίου είναι η δεύτερη γενιά αυτής της εργασίας.

Βρίσκεται σε ένα πολυσύχναστο πεδίο. Οι κινέζοι αναπτυξιακοί, νέοι humanoid είσοδοι και cobots κατασκευαστές που προσαρμόζουν ρομπότ με γενικευμένη νοημοσύνη είναι όλοι στο ίδιο δια-σώματο θεμέλιο-μοντέλο στρώμα, και η Κίνα ρίχνει δημόσιο και ιδιωτικό χρήμα σε embodied νοημοσύνη και τα μοντέλα κάτω από αυτό. Η δοκιμή που αντιμετωπίζουν είναι αυτή που η Amap δεν έχει απαντήσει ακόμη: εάν ένα στρώμα που ξεπερνά τις επιδόσεις μπορεί να τρέξει ένα ρομπότ που κάνει χρήσιμη δουλειά, ανεξάρτητα, σε ένα δάπεδο που κανείς δεν έχει διαμορφώσει εκ των προτέρων. Η Amap έχει δείξει το πρώτο μισό. Το δεύτερο είναι ακόμη μια αξίωση.