Alibaba’nın Amap, Robotlar için Gömülü-AI Yığınını Güncelliyor

Amap, Alibaba’nın haritalama ve konum hizmetleri koludur ve tam yığın güncellemesini ABot’a yayınlamıştır. ABot, sürücülere değil robotlara rehberlik etmek için oluşturulan gömülü-AI sistemidir. 22 Temmuz 2026’da duyurulan güncelleme, navigasyon, manipülasyon, akıl yürütme, uzun süreli bellek ve hareket kontrolü için beş yeni modeli içerir ve Amap, birleşik yığının 17 benchmark’te en yüksek puanları aldığını belirtir.

Şirketin gönderdiği şey, bir robotun fiyat etiketi veya müşterisi olan bir model ve araştırma kağıtlarıdır. Bu ayrım önemlidir. Yayın, bir makinenin çalıştığı bir vardiyada ölçülmüş yetenekleri değil, benchmark’lerde ölçülmüş yetenekleri tanımlar. Yığın, humanoid, quadruped ve tekerlekli robotlara takas edilebilen beceriler aracılığıyla body-agnostic olarak tasarlanmıştır, böylece bir “beyin” farklı donanımları çalıştırabilir – daha geniş robotik yarışmada çalışan aynı çapraz-vücut hırsı.

Güncellemenin Ekledikleri

Navigasyon, Amap’ın günlük işine en yakın parçadır ve modeli, ABot-N1, bunu yansıtır. Bir güzergah planlama için yavaş bir modül ve hareket komutları veren hızlı bir modül içerir ve ayrıca ekip tarafından “pixel düzeyinde düşünce zinciri” olarak adlandırılan bir şey ekler, bu da kameranın gördüğü şeyi yazılı akıl yürütme ile bağlar, böylece bir karar izlenebilir. Amap, ABot-N1’in normal navigasyon haritalarıyla bir şehir geçebileceğini, dışarıda %92,9’luk bir başarı oranına sahip olduğunu ve kağıdın kompleks iç mekan sahnelerinde %95,4’lük bir oran ve ilgi noktalarına ulaşmada %35’lik bir artışa sahip olduğunu, %77,3’e ulaştığını belirtir.

Manipülasyon daha zordur ve ABot-M0.5 hedefi budur: bir nesneyi hareket ettirmek ve ele almak için çok adımlı bir işlem, örneğin bir odayı geçen bir musluktan su almak. Hareketi ve kavramayı bir dizi olarak çalıştırmak yerine, bunları iki eylem akışına ayırır ve Amap’ın “kendini iyileştirme” olarak adlandırdığı bir eğitim yöntemi ekler, bu da modelin gürültülü görsel tahminlerden etkilenmeden hareket etmelerine izin verir. RoboCasa-365 test süitinde, Amap, önceki en iyi sistemi kompleks görevlerde %20,4 ve temel görevlerde %10,6 oranında geride bıraktığını bildirir.

İki daha fazla model karar katmanını oluşturur. ABot-ER, yalnızca kare içinde ne olduğunun tanınması yerine, nesnelerin, alanların ve görevlerin nasıl ilişkili olduğunu akıl yürütmek için inşa edilmiştir; Amap, Embodied Arena 2D-EQA adlı bir benchmark’te ilk sırada yer aldığını belirtir. ABot-AgentOS kontrolörlerin üzerinde oturur ve planlama, araç kullanımı, yürütme ve doğrulama işlemlerini gerçekleştirir ve ayrıca başarısız girişimlerden öğrenen ömür boyu bir belleğe sahiptir. Beşinci model, ABot-C0, bu kararları quadruped robotlar için hareketlere dönüştürür. Birlikte, akıl yürütme ve ajan katmanları, çoğu sistemin tökezlediği gömülü-AI’nin bir parçasını hedefler: tek bir kavramak değil, bir dizi adımdan oluşan uzun bir görevi kaybetmeden gerçekleştirmek.

Benchmark’ler, Değil Dağıtımlar

Amap, çoğu robot lansmanından daha fazlasını sundu. Navigasyon, manipülasyon, ajan ve hareket kontrolü modelleri için arXiv’de kağıtlar yayınladı ve kod ve test kümelerini yayınladı, bu da bir video parçasından daha denetlenebilir. Dışarıdan araştırmacılar, prensipte, çalışmayı yeniden çalıştırabilir.

Numaralar hala usual asterisk’i taşır. Bunlar, ekibin kendi sonuçlarıdır ve beberapa benchmark, modellerle birlikte tanıtılanlardır: ABot-N1, yeni nokta-hedef ve nokta-ilgi testleri ile gelir ve ajan sistemi, aynı kağıt tarafından tanımlanan bir benchmark’te puanlanır. Bağımsız bir laboratuvar, rakamları yeniden üretmedi ve modellerden hiçbiri, gerçek bir dağıtım ile gelmez – hiçbir filo boyutu, hiçbir çalışma süresi, hiçbir müdahale oranı, bir kişinin ne sıklıkla devralması gerektiğini göstermez. Bu boşluk, bir benchmark sonucunu, AgiBot gibi rakiplerinin iddia etmeye başladığı “dağıtım yılı”ndan ayırır.

Tek fiziksel bağ, Amap’ın Nisan 2026’da göndermeyi planladığı Beijing E-Town Yarı Maratonu için bir quadruped rehber robotudur. Bu, bir demonstrasyon, değil bir dağıtımdır: bir robot, sahnelenen bir ortamda, gerçek bir ortamın uzun kuyruğunda nasıl dayanabileceği hakkında çok az şey söyler.

Neden Bir Harita Şirketi Robot Beyinleri İnşa Ediyor

Amap, Çin’in en büyük navigasyon platformlarından birini çalıştırır ve bu hizmetin arkasındaki haritalama ve ilgi noktaları verilerinin, robotların fiziksel dünyada hareket etmesi için gereken uzaysal akıl yürütme konusunda bir başlangıç olduğunu iddia eder. Şirket, gömülü zeka birimi kurdu ve ilk navigasyon ve manipülasyon temel modellerini, ABot-N0 ve ABot-M0’ları, birkaç hafta sonra yayınladı; Temmuz güncellemesi, bu çalışmanın ikinci neslidir.

Bu, kalabalık bir alana girer. Çinli geliştiriciler, yeni humanoid girişler ve cobot üreticileri genelci AI ile robotları donatmak için yarışıyorlar ve Çin, gömülü zeka ve altındaki modellere kamu ve özel para döküyor. Onların karşı karşıya olduğu test, Amap’ın henüz cevaplamadığı şeydir: bir benchmark’te zirveye çıkan bir yığın, önceden düzenlenmemiş bir zeminde, insan müdahalesi olmadan, faydalı işler yapan bir robota çalışabilir mi? Amap, ilk yarısını gösterdi. İkincisi hala bir iddiadır.