La mise à niveau d’Amap d’Alibaba pour son système d’intelligence artificielle incarnée pour les robots

Amap, la branche de cartographie et de services de localisation d’Alibaba, a publié une mise à niveau complète de ABot, le système d’intelligence artificielle incarnée qu’il est en train de développer pour guider les robots plutôt que les conducteurs. Annoncée le 22 juillet 2026, la mise à jour regroupe cinq nouveaux modèles couvrant la navigation, la manipulation, le raisonnement, la mémoire à long terme et le contrôle du mouvement, et Amap affirme que l’ensemble de la pile atteint les meilleurs scores dans 17 benchmarks.

Ce que l’entreprise a livré est un ensemble de modèles et de documents de recherche, et non un robot avec un prix ou un client. La distinction est importante. La publication décrit des capacités mesurées sur des benchmarks, et non une machine qui exécute une tâche avec des interventions enregistrées. La pile est conçue pour être agnostique par rapport au corps, se branchant sur des robots humanoïdes, quadrupèdes et à roues via des compétences interchangeables, de sorte qu’un seul “cerveau” puisse, en principe, contrôler différents matériels — la même ambition de corps croisés qui anime la course aux robots plus large.

Ce que la mise à niveau ajoute

La navigation est la partie la plus proche du travail quotidien d’Amap, et son modèle, ABot-N1, reflète cela. Il associe un module lent pour la planification d’itinéraires à un module rapide qui émet des commandes de mouvement, et ajoute ce que l’équipe appelle une “chaîne de réflexion au niveau des pixels” qui relie ce que la caméra voit à une raison écrite, de sorte qu’une décision puisse être tracée. Amap affirme qu’ABot-N1 peut traverser une ville en utilisant uniquement des cartes de navigation ordinaires, avec un taux de réussite de 92,9 % à l’extérieur ; le document rapporte 95,4 % dans des scènes intérieures complexes et un gain de 35 % pour atteindre les points d’intérêt, à 77,3 %.

La manipulation est plus difficile, et c’est ce que ABot-M0.5 vise : l’entreprise de plusieurs étapes pour se déplacer vers un objet et le manipuler, comme aller chercher de l’eau à un distributeur à travers une pièce. Au lieu d’exécuter le mouvement et la saisie comme une seule séquence, il les divise en deux flux d’actions, et il ajoute une méthode d’entraînement qu’Amap appelle “auto-réparation de rêve” qui permet au modèle de continuer à agir à partir de prévisions visuelles bruyantes plutôt que de s’arrêter sur de petites erreurs. Sur le test RoboCasa-365, Amap rapporte battre le système précédent de 20,4 % sur les tâches complexes et de 10,6 % sur les tâches de base.

Deux autres modèles forment la couche de décision. ABot-ER est conçu pour raisonner sur la façon dont les objets, les espaces et les tâches sont liés, plutôt que de simplement reconnaître ce qui est dans le cadre ; Amap affirme qu’il s’est classé premier sur un benchmark de questions-réponses spatiales, Embodied Arena 2D-EQA, au moment de l’annonce. ABot-AgentOS se situe au-dessus des contrôleurs et gère la planification, l’utilisation d’outils, l’exécution et la vérification, avec une mémoire à vie qui peut apprendre des tentatives ratées. Un cinquième modèle, ABot-C0, convertit ces décisions en mouvement pour les robots quadrupèdes. Ensemble, les couches de raisonnement et d’agent ciblent la partie de l’intelligence artificielle incarnée qui fait trébucher la plupart des systèmes : non une seule saisie, mais enchaîner de nombreuses étapes dans une longue tâche sans perdre le fil.

Benchmarks, et non déploiements

Amap a mis plus sur la table que la plupart des lancements de robots. Il a publié des documents pour les modèles de navigation, de manipulation, d’agent et de contrôle du mouvement sur arXiv et a rendu disponible le code et les ensembles de tests, ce qui est plus vérifiable qu’un montage de highlights. Les chercheurs externes peuvent, en principe, reproduire les travaux.

Les chiffres portent encore l’astérisque habituel. Ce sont les résultats de l’équipe, et plusieurs des benchmarks sont ceux que Amap a introduits aux côtés des modèles : ABot-N1 est livré avec de nouveaux tests de point d’objectif et de point d’intérêt, et le système d’agent est noté sur un benchmark que le même document définit. Aucun laboratoire indépendant n’a reproduit les chiffres, et aucun des modèles n’arrive avec un déploiement réel attaché — pas de taille de flotte, pas de temps d’activité, pas de taux d’intervention montrant combien de fois une personne a dû prendre le contrôle. Ce fossé sépare un résultat de benchmark d’un “année de déploiement” que des rivaux tels qu’AgiBot ont commencé à revendiquer.

Le seul ancrage physique est un robot guide quadrupède que Amap a déclaré en avril 2026 qu’il enverrait au demi-marathon de Beijing E-Town. C’est une démonstration, et non un déploiement : un robot dans un environnement mis en scène dit peu de choses sur la façon dont la pile tient dans la queue de la vraie vie.

Pourquoi une société de cartes construit des cerveaux de robot

Amap exploite l’une des plus grandes plateformes de navigation de Chine, et son pari est que les données de cartographie et de points d’intérêt derrière ce service sont un avantage pour la raison spatiale dont les robots ont besoin pour se déplacer dans le monde physique. La société a créé une division d’intelligence incarnée en janvier 2026 et a publié ses premiers modèles de base de navigation et de manipulation, ABot-N0 et ABot-M0, quelques semaines plus tard ; la mise à niveau de juillet est la deuxième génération de ce travail.

Elle atterrit dans un domaine encombré. Les développeurs chinois, les nouveaux entrants humanoides et les fabricants de cobots équipant les robots d’une intelligence artificielle généraliste sont tous à la poursuite de la même couche de modèle de fond croisé, et la Chine verse de l’argent public et privé dans l’intelligence incarnée et les modèles qui se trouvent en dessous. Le test que chacun d’eux doit affronter est celui que Amap n’a pas encore répondu : si une pile qui domine les benchmarks peut faire fonctionner un robot qui effectue un travail utile, sans surveillance, sur un sol que personne n’a aménagé à l’avance. Amap a montré la première moitié. La seconde est encore une affirmation.