L’aggiornamento di Amap di Alibaba per l’intelligenza artificiale incorporata nei robot

Amap, la divisione di mapping e servizi di localizzazione di Alibaba, ha rilasciato un aggiornamento completo per ABot, il sistema di intelligenza artificiale incorporata che sta costruendo per guidare i robot anziché gli autisti. Annunciato il 22 luglio 2026, l’aggiornamento include cinque nuovi modelli che coprono la navigazione, la manipolazione, il ragionamento, la memoria a lungo termine e il controllo del movimento, e Amap afferma che lo stack combinato ha ottenuto i punteggi più alti in 17 benchmark.

Ciò che la società ha consegnato è un set di modelli e articoli di ricerca, non un robot con un prezzo o un cliente. La distinzione è importante. Il rilascio descrive capacità misurate sui benchmark, non una macchina che esegue un turno da qualche parte con le sue azioni registrate. Lo stack è progettato per essere agnostico rispetto al corpo, collegandosi a robot umanoidi, quadrupedi e ruotati attraverso abilità interscambiabili in modo che un solo “cervello” possa, in linea di principio, guidare diversi hardware — la stessa ambizione trasversale che caratterizza la più ampia corsa ai robot.

Cosa aggiunge l’aggiornamento

La navigazione è la parte più vicina al lavoro quotidiano di Amap, e il suo modello, ABot-N1, riflette questo. Abbinia un modulo lento per la pianificazione del percorso con uno veloce che emette comandi di movimento, e aggiunge ciò che il team chiama una “catena di pensiero a livello di pixel” che collega ciò che la telecamera vede al ragionamento scritto in modo che una decisione possa essere tracciata. Amap afferma che ABot-N1 può attraversare una città utilizzando solo mappe di navigazione ordinarie, con un tasso di successo del 92,9% all’aperto; l’articolo riporta il 95,4% in scene interne complesse e un guadagno del 35% nel raggiungimento dei punti di interesse, al 77,3%.

La manipolazione è più difficile, ed è ciò a cui ABot-M0.5 si rivolge: l’attività a più passaggi di spostamento verso un oggetto e la sua gestione, come ad esempio il recupero di acqua da un distributore in una stanza. Invece di eseguire il movimento e la presa come una sola sequenza, li divide in due flussi di azione, e aggiunge un metodo di addestramento che Amap chiama “auto-guarigione onirica” che consente al modello di continuare ad agire a partire da previsioni visive rumorose anziché bloccarsi su piccoli errori. Sulla suite di test RoboCasa-365, Amap riporta di aver superato il sistema migliore precedente del 20,4% sui compiti complessi e del 10,6% su quelli di base.

Due modelli formano lo strato decisionale. ABot-ER è costruito per ragionare su come gli oggetti, gli spazi e le attività si relazionano tra loro e non solo per riconoscere cosa si trova nel frame; Amap afferma di aver ottenuto il primo posto in un benchmark di risposte a domande spaziali, Embodied Arena 2D-EQA, al momento dell’annuncio. ABot-AgentOS si trova sopra i controller e gestisce la pianificazione, l’uso degli strumenti, l’esecuzione e la verifica, con una memoria a lungo termine che può imparare da tentativi falliti. Un quinto modello, ABot-C0, converte queste decisioni in movimento per i robot quadrupedi. Insieme, gli strati di ragionamento e agente si rivolgono alla parte dell’intelligenza artificiale incorporata che fa inciampare la maggior parte dei sistemi: non un singolo gesto, ma la concatenazione di molti passaggi in un compito lungo senza perdere il filo.

Benchmark, non dispiegamenti

Amap ha messo sul tavolo più di quanto facciano la maggior parte dei lanci di robot. Ha pubblicato articoli per i modelli di navigazione, manipolazione, agente e controllo del movimento su arXiv e ha rilasciato codice e set di test, il che è più verificabile di un video di highlight tagliato e incollato. I ricercatori esterni possono, in linea di principio, riprodurre il lavoro.

I numeri portano ancora l’asterisco consueto. Sono i risultati del team, e diversi dei benchmark sono quelli che Amap ha introdotto insieme ai modelli: ABot-N1 viene fornito con nuovi test di punto-obbiettivo e punto-di-interesse, e il sistema agente viene valutato su un benchmark che lo stesso articolo definisce. Nessun laboratorio indipendente ha riprodotto le cifre, e nessuno dei modelli arriva con un dispiegamento nel mondo reale allegato — nessuna dimensione della flotta, nessun tempo di attività, nessun tasso di intervento che mostri quanto spesso una persona abbia dovuto prendere il controllo. Quella lacuna separa un risultato di benchmark da ciò che i rivali come AgiBot hanno iniziato a rivendicare.

L’unico ancoraggio fisico è un robot guida quadrupede che Amap ha detto in aprile 2026 che avrebbe inviato alla mezza maratona di Beijing E-Town. Quello è un dimostratore, non un dispiegamento: un robot in un ambiente allestito dice poco su come lo stack regga nel lungo periodo di un ambiente reale.

Perché una società di mappe costruisce cervelli di robot

Amap gestisce una delle piattaforme di navigazione più grandi della Cina, e la sua scommessa è che i dati di mapping e punti di interesse dietro quel servizio sono un vantaggio iniziale per il ragionamento spaziale che i robot necessitano per muoversi nel mondo fisico. La società ha istituito una divisione di intelligenza incorporata nel gennaio 2026 e ha rilasciato i suoi primi modelli di base di navigazione e manipolazione, ABot-N0 e ABot-M0, poche settimane dopo; l’aggiornamento di luglio è la seconda generazione di quel lavoro.

Atterra in un campo affollato. Sviluppatori cinesi, nuovi partecipanti umanoidi e costruttori di cobot che dotano i robot di intelligenza artificiale generalista stanno tutti inseguendo la stessa fondazione di modelli di corpo trasversali, e la Cina sta riversando denaro pubblico e privato nell’intelligenza incorporata e nei modelli sottostanti. La prova che ognuno di loro deve affrontare è quella che Amap non ha ancora risposto: se uno stack che supera i benchmark possa far funzionare un robot che esegue lavori utili, senza sorveglianza, su un pavimento che nessuno ha allestito in anticipo. Amap ha mostrato la prima metà. La seconda è ancora una rivendicazione.