Nâng cấp của Alibaba’s Amap đối với Embodied-AI Stack cho Robot

Amap, bộ phận bản đồ và dịch vụ định vị của Alibaba, đã phát hành một bản nâng cấp toàn diện cho ABot, hệ thống trí tuệ nhân thể mà họ đang xây dựng để hướng dẫn robot thay vì lái xe. Được công bố vào ngày 22 tháng 7 năm 2026, bản cập nhật bao gồm năm mô hình mới bao gồm điều hướng, thao tác, lý luận, bộ nhớ dài hạn và điều khiển chuyển động, và Amap cho biết rằng bộ mô hình kết hợp này đã đạt được điểm số cao nhất trên 17 tiêu chuẩn.

Cái mà công ty đã gửi đi là một tập hợp các mô hình và bài báo nghiên cứu, không phải là một robot có giá bán hoặc khách hàng. Sự khác biệt này rất quan trọng. Việc phát hành mô tả các khả năng được đo lường trên các tiêu chuẩn, không phải là một máy chạy một ca làm việc nào đó với các can thiệp được ghi lại. Bộ mô hình này được thiết kế để không phụ thuộc vào cơ thể, có thể cắm vào robot hình người, bốn chân và bánh xe thông qua các kỹ năng có thể hoán đổi cho nhau, vì vậy một “bộ não” có thể, về nguyên tắc, điều khiển các phần cứng khác nhau – cùng một tham vọng chạy qua cuộc đua robot rộng lớn hơn.

Nâng cấp thêm gì

Điều hướng là phần gần nhất với công việc hàng ngày của Amap, và mô hình của nó, ABot-N1, phản ánh điều đó. Nó kết hợp một mô-đun chậm để lập kế hoạch tuyến đường với một mô-đun nhanh hơn để phát hành lệnh di chuyển, và thêm một cái mà nhóm gọi là “chuỗi suy nghĩ cấp pixel” liên kết những gì máy ảnh nhìn thấy với lý luận viết ra, vì vậy một quyết định có thể được theo dõi. Amap cho biết ABot-N1 có thể đi qua một thành phố bằng cách sử dụng chỉ các bản đồ điều hướng thông thường, với tỷ lệ thành công 92,9% ngoài trời; bài báo báo cáo 95,4% trong các cảnh trong nhà phức tạp và tăng 35% trong việc đạt đến các điểm quan tâm, lên 77,3%.

Thao tác khó hơn, và đó là mục tiêu của ABot-M0.5: việc kinh doanh nhiều bước di chuyển đến một vật thể và xử lý nó, chẳng hạn như lấy nước từ một máy phân phối nước qua một phòng. Thay vì chạy chuyển động và nắm bắt như một chuỗi, nó chia chúng thành hai luồng hành động, và nó thêm một phương pháp đào tạo mà Amap gọi là “tự chữa lành trong giấc mơ” cho phép mô hình tiếp tục hoạt động từ các dự đoán thị giác nhiễu loạn thay vì bị kẹt lại trên các lỗi nhỏ. Trên bộ thử nghiệm RoboCasa-365, Amap báo cáo đã đánh bại hệ thống tốt nhất trước đó 20,4% trên các nhiệm vụ phức tạp và 10,6% trên các nhiệm vụ cơ bản.

Hai mô hình khác hình thành lớp quyết định. ABot-ER được xây dựng để suy luận về cách các vật thể, không gian và nhiệm vụ liên quan đến nhau chứ không chỉ nhận ra những gì trong khung; Amap cho biết nó đã xếp hạng đầu tiên trên một tiêu chuẩn trả lời câu hỏi không gian, Embodied Arena 2D-EQA, tính đến thời điểm công bố. ABot-AgentOS nằm trên các bộ điều khiển và xử lý lập kế hoạch, sử dụng công cụ, thực hiện và xác minh, với bộ nhớ suốt đời có thể học hỏi từ các nỗ lực thất bại. Một mô hình thứ năm, ABot-C0, chuyển đổi các quyết định đó thành chuyển động cho robot bốn chân. Cùng nhau, các lớp suy luận và tác nhân nhắm vào phần của trí tuệ nhân thể mà khiến hầu hết các hệ thống gặp khó khăn: không chỉ là một nắm bắt, mà là chuỗi nhiều bước vào một nhiệm vụ dài mà không mất dấu.

So sánh, không phải triển khai

Amap đã đưa ra nhiều hơn những gì hầu hết các lần ra mắt robot làm. Họ đã xuất bản các bài báo về các mô hình điều hướng, thao tác, tác nhân và điều khiển chuyển động trên arXiv và phát hành mã và bộ thử nghiệm, điều này có thể kiểm tra được hơn một đoạn phim cắt và tăng tốc. Các nhà nghiên cứu bên ngoài có thể, về nguyên tắc, chạy lại công việc.

Các con số vẫn mang theo dấu hoa thị thông thường. Chúng là kết quả của chính đội, và một số tiêu chuẩn là những tiêu chuẩn mà Amap đã giới thiệu cùng với các mô hình: ABot-N1 đi kèm với các thử nghiệm mới về điểm mục tiêu và điểm quan tâm, và hệ thống tác nhân được tính điểm trên một tiêu chuẩn mà cùng một bài báo định nghĩa. Không có phòng thí nghiệm độc lập nào đã tái tạo các số liệu, và không có mô hình nào đến với một triển khai thực tế đính kèm – không có kích thước đội, không có thời gian hoạt động, không có tỷ lệ can thiệp cho thấy bao nhiêu lần một người phải tiếp quản. Khoảng trống đó tách một kết quả so sánh khỏi “năm triển khai” mà các đối thủ như AgiBot đã bắt đầu tuyên bố.

Neo là một robot hướng dẫn bốn chân mà Amap cho biết vào tháng 4 năm 2026 sẽ gửi đến cuộc thi marathon nửa đường E-Town Beijing. Đó là một cuộc trình diễn, không phải là một triển khai: một robot trong một môi trường được dàn xếp nói rất ít về cách bộ mô hình này hoạt động trong môi trường thực tế.

Tại sao một công ty bản đồ lại xây dựng bộ não robot

Amap điều hành một trong những nền tảng điều hướng lớn nhất của Trung Quốc, và đặt cược của họ là rằng dữ liệu bản đồ và điểm quan tâm đằng sau dịch vụ này là một lợi thế về lý luận không gian mà robot cần để di chuyển trong thế giới vật lý. Công ty thiết lập một bộ phận trí tuệ nhân thể vào tháng 1 năm 2026 và phát hành các mô hình cơ bản về điều hướng và thao tác đầu tiên, ABot-N0 và ABot-M0, vài tuần sau đó; bản nâng cấp tháng 7 là thế hệ thứ hai của công việc đó.

Nó hạ cánh trong một lĩnh vực đông đúc. Các nhà phát triển Trung Quốc, những người mới tham gia vào lĩnh vực robot hình người và những nhà sản xuất robot cộng tác đang lắp đặt robot với trí tuệ tổng quát, tất cả đều đang theo đuổi cùng một lớp mô hình cơ bản đa dạng, và Trung Quốc đang đổ tiền công khai và tư nhân vào trí tuệ nhân thể và các mô hình bên dưới nó. Bài kiểm tra mà tất cả chúng phải đối mặt là điều mà Amap chưa trả lời: liệu một bộ mô hình đứng đầu các tiêu chuẩn có thể chạy một robot thực hiện công việc hữu ích, không cần giám sát, trên một sàn mà không ai sắp xếp trước. Amap đã chỉ ra nửa đầu. Nửa còn lại vẫn là một tuyên bố.