อาลีบาบา อัพเกรด Amap ด้วย Embodied-AI สตैकสำหรับโรบอท

Amap ซึ่งเป็นแผนกแมปและบริการที่เกี่ยวข้องกับตำแหน่งของอาลีบาบา ได้ เปิดตัวอัพเกรดฟูลสตैक สำหรับ ABot ซึ่งเป็นระบบ Embodied-AI ที่พวกเขากำลังสร้างเพื่อเป็นแนวทางสำหรับโรบอทแทนคนขับ โดยประกาศเมื่อวันที่ 22 กรกฎาคม 2026 การอัพเกรดนี้รวมถึง 5 โมเดลใหม่ที่ครอบคลุมการนำทาง การจัดการ การให้เหตุผล ความจำระยะยาว และการควบคุมการเคลื่อนไหว และ Amap ระบุว่าスタ็คที่รวมกันสามารถทำคะแนนสูงสุดใน 17 บรรทัดฐาน

สิ่งที่บริษัทจัดส่งคือชุดของโมเดลและเอกสารวิจัย ไม่ใช่โรบอทที่มีราคาหรือลูกค้า สิ่งนี้มีความสำคัญ การเปิดตัวอธิบายถึงความสามารถที่วัดจากบรรทัดฐาน ไม่ใช่เครื่องจักรที่ทำงานในกะที่ไหนสักแห่งพร้อมกับการแทรกแซงที่บันทึกไว้ สตั๊กนี้มีจุดมุ่งหมายเพื่อให้สามารถใช้กับร่างกายที่แตกต่างกัน โดยการเสียบเข้ากับโรบอทที่มีรูปร่างเหมือนมนุษย์ โรบอทสี่ขา และโรบอทล้อผ่านทักษะที่สามารถเปลี่ยนได้ เพื่อให้ “สมอง” หนึ่งสามารถขับเคลื่อนฮาร์ดแวร์ที่แตกต่างกันได้โดยหลักการ — ความทะเยอทะยานที่คล้ายกันในการแข่งขันโรบอทที่กว้างขึ้น

สิ่งที่การอัพเกรดเพิ่ม

การนำทางเป็นส่วนที่ใกล้เคียงที่สุดกับงานประจำวันของ Amap และโมเดลของมัน ABot-N1 สะท้อนถึงสิ่งนั้น มันจับคู่โมดูลที่ช้าสำหรับการวางแผนเส้นทางกับโมดูลที่เร็วกว่าสำหรับการออกคำสั่งการเคลื่อนไหว และเพิ่มสิ่งที่ทีมเรียกว่า “พิกเซล-เลเวล-เชน-ออฟ-ท็อธ” ที่เชื่อมโยงระหว่างสิ่งที่กล้องเห็นกับการให้เหตุผลที่เขียนออกมาเพื่อให้การตัดสินใจสามารถติดตามได้ Amap ระบุว่า ABot-N1 สามารถข้ามเมืองโดยใช้แผนที่นำทางปกติเพียงอย่างเดียว โดยมีอัตราความสำเร็จ 92.9% ในกลางแจ้ง และ 95.4% ในฉากในอาคารที่ซับซ้อน และเพิ่มขึ้น 35% ในการเข้าถึงจุดสนใจ โดยถึง 77.3%

การจัดการเป็นสิ่งที่ยากกว่า และ ABot-M0.5 เป็นเป้าหมาย: การดำเนินการทีละขั้นตอนในการย้ายไปยังวัตถุและการจัดการ เช่น การดึงน้ำจากตู้จำหน่ายน้ำข้ามห้อง แทนที่จะดำเนินการเคลื่อนไหวและการจับเป็นลำดับเดียว มันแบ่งออกเป็นสองสตรีมการกระทำ และเพิ่มวิธีการฝึกอบรมที่ Amap เรียกว่า “ดリーム เซลฟ-ฮีลิง” ที่ทำให้โมเดลสามารถดำเนินการได้ต่อจากคาดการณ์ภาพที่มีเสียงรบกวน แทนที่จะหยุดทำงานเมื่อพบข้อผิดพลาดเล็กๆ น้อยๆ ในชุดการทดสอบ RoboCasa-365 Amap รายงานว่าสามารถเอาชนะระบบที่ดีที่สุดก่อนหน้านี้ได้ 20.4% ในงานที่ซับซ้อน และ 10.6% ในงานพื้นฐาน

สองโมเดลอื่นประกอบเป็นชั้นการตัดสินใจ ABot-ER ถูกสร้างขึ้นเพื่อเหตุผลเกี่ยวกับวัตถุ พื้นที่ และงานที่เกี่ยวข้องกัน ไม่ใช่แค่การรู้จักว่าสิ่งใดอยู่ในเฟรม Amap ระบุว่ามันอยู่ในอันดับที่ 1 ในบรรทัดฐานการถาม-ตอบเชิงพื้นที่ Embodied Arena 2D-EQA ณ เวลาที่ประกาศ ABot-AgentOS นั่งอยู่เหนือตัวควบคุมและจัดการการวางแผน การใช้เครื่องมือ การดำเนินการ และการตรวจสอบ โดยมีหน่วยความจำตลอดชีวิตที่สามารถเรียนรู้จากความพยายามที่ล้มเหลว โมเดลที่ห้า ABot-C0 แปลงการตัดสินใจเหล่านั้นเป็นการเคลื่อนไหวสำหรับโรบอทสี่ขา เมื่อรวมกันแล้ว ชั้นการให้เหตุผลและชั้นตัวแทนเป้าหมายส่วนที่ Embodied-AI ส่วนใหญ่ล้มเหลว: ไม่ใช่การจับเพียงครั้งเดียว แต่การเชื่อมโยงหลายขั้นตอนเข้าด้วยกันโดยไม่สูญเสียเส้นทาง

บรรทัดฐาน ไม่ใช่การนำไปใช้

Amap วางสิ่งมากกว่าที่ส่วนใหญ่ของการเปิดตัวโรบอททำ มันเผยแพร่เอกสารวิจัยสำหรับโมเดลการนำทาง การจัดการ ตัวแทน และการควบคุมการเคลื่อนไหวบน arXiv และเผยแพร่โค้ดและชุดการทดสอบ ซึ่งเป็นสิ่งที่ตรวจสอบได้มากกว่าวิดีโอสั้นๆ นักวิจัยภายนอกสามารถดำเนินการซ้ำได้โดยหลักการ

ตัวเลขยังคงมีดาวข้างๆ มันคือผลลัพธ์ของทีมเอง และบรรทัดฐานหลายๆ นั้นคือบรรทัดฐานที่ Amap นำมาใช้ร่วมกับโมเดล: ABot-N1 มาพร้อมกับการทดสอบจุด-เป้าหมายและจุด-ความสนใจใหม่ และระบบตัวแทนได้รับการให้คะแนนจากบรรทัดฐานที่เอกสารนั้นกำหนด ไม่มีห้องปฏิบัติการอิสระใดที่สามารถทำซ้ำตัวเลขเหล่านี้ได้ และไม่มีโมเดลใดที่มีการนำไปใช้ในโลกแห่งความเป็นจริง — ไม่มีขนาดฝูง ไม่มีเวลาทำงาน ไม่มีอัตราการแทรกแซงแสดงว่าบุคคลต้องเข้าควบคุมบ่อยแค่ไหน ช่องว่างนี้แยกผลลัพธ์จากบรรทัดฐานออกจาก “ปีการนำไปใช้” ที่คู่แข่งเช่น AgiBot เริ่มเรียกร้อง

จุดยึดทางกายภาพเพียงจุดเดียวคือโรบอทนำทางสี่ขาที่ Amap ระบุในเดือนเมษายน 2026 ว่าจะส่งไปที่การแข่งขัน Beijing E-Town Half Marathon นี่เป็นการแสดง ไม่ใช่การนำไปใช้: โรบอทหนึ่งเครื่องในสถานการณ์ที่จัดฉากไม่ได้บอกอะไรเกี่ยวกับว่าสตั๊กนี้จะยืนหยัดได้หรือไม่ในบรรยากาศจริงที่ยาวนาน

เหตุใดบริษัทแผนที่จึงสร้างสมองโรบอท

Amap ดำเนินธุรกิจแพลตฟอร์มนำทางที่ใหญ่ที่สุดในประเทศจีน และการเดิมพันของมันคือว่าข้อมูลแผนที่และจุดสนใจที่อยู่เบื้องหลังบริการนี้คือจุดเริ่มต้นที่ดีสำหรับการให้เหตุผลเชิงพื้นที่ที่โรบอทต้องการเพื่อเคลื่อนผ่านโลกแห่งความเป็นจริง บริษัท ตั้งแผนก Embodied Intelligence ในเดือนมกราคม 2026 และเปิดตัวโมเดลฐานการนำทางและการจัดการ ABot-N0 และ ABot-M0 หลังจากนั้นสองสัปดาห์ การอัพเกรดในเดือนกรกฎาคมเป็นรุ่นที่สองของงานนี้

มันลงจอดในสนามที่แออัด นักพัฒนาจีน ผู้เข้าแข่งขันรูปแบบมนุษย์ใหม่ และ ผู้ผลิตโรบอทที่ติดตั้ง AI ทั่วไป ทั้งหมดกำลังไล่ตามชั้น Embodied-AI ที่เหมือนกัน และจีนกำลังเทเงินสาธารณะและเอกชนเข้าไปใน Embodied Intelligence และโมเดลที่อยู่ด้านล่าง การทดสอบที่พวกมันเผชิญคือการทดสอบที่ Amap ยังไม่ได้ตอบ: ว่าสตั๊กที่อยู่ในอันดับต้น ๆ ของบรรทัดฐานสามารถขับเคลื่อนโรบอทที่ทำงานได้จริงโดยไม่มีการดูแลในพื้นที่ที่ไม่มีการจัดเตรียมไว้ล่วงหน้า Amap ได้แสดงส่วนแรกแล้ว ส่วนที่สองยังคงเป็นคำกล่าวอ้าง