空间智能的“具身化”跃迁，高德ABot体系模型夺冠AGIBot全球挑战赛
一句话看懂：高德与中科院自动化所联合团队，凭借世界模型ABot-NeoVerse，在ICRA 2026官方赛事AGIBOT World Challenge的世界模型赛道中夺得总成绩第一。这标志着高德的全栈具身技术体系ABot在数据生成与物理模拟一致性上获得了国际顶级赛事的验证，为开放环境下的机器人自主作业提供了可落地的技术路径。
事件核心：发生了什么
在机器人与自动化领域顶级会议ICRA 2026的官方赛事AGIBOT World Challenge中，由高德与中科院自动化所模式识别实验室联合组建的ABot-NeoVerse团队，以总成绩0.829分，力压全球来自27个国家的150支参赛队伍，夺得世界模型赛道第一名。比赛重点考察模型在给定初始视觉与机器人动作序列后，对物理状态演变的推演能力，尤其关注长尾交互中的物理一致性。ABot-NeoVerse在两项核心指标上表现突出：Visual Quality（0.6246）与Action Following（0.9651），均位列第一，证明了其在视频质量与动作预测准确率上的代差优势。
该模型是高德ABot全栈具身技术体系中数据层的关键成果。ABot体系自上个月正式发布以来，已涵盖数据、模型、应用三层，其自研的开放环境全自主具身机器人“高德途途”曾在亦庄机器人马拉松中完成引导盲人避障等高难度挑战。
为什么重要
当前具身智能行业面临的核心瓶颈是训练数据稀缺。常规真机数据采集成本极高，是大语言模型数据成本的数个数量级。高德的解法是通过世界模型批量合成高仿真训练数据，以指数级降低训练成本，并弥合Sim-to-Real（仿真到现实）的技术鸿沟。此次ABot-NeoVerse夺冠，直接证明了高德在数据生成环节的抗幻觉能力和物理一致性已达到行业领先水平，为其全栈技术路径提供了国际公认的验证。
从行业格局看，这显示空间智能与具身智能的结合正在加速。高德借助其在地理信息与空间理解上的积累，将地图级别的空间认知能力迁移到物理世界模型训练中，形成了一种差异化的技术路线。此前ABot已在15项权威测试中获得SOTA，此次赛事夺冠进一步巩固了该体系在具身数据治理与训练范式上的领先地位。
对用户/开发者/创作者的影响
对于机器人开发者与科研团队，高德ABot体系在数据层提供的世界模型训练方案，可能降低具身模型开发的入门门槛，缩短从算法到原型机的验证周期。传统需要大量真机采集的场景，未来有望通过合成数据实现更高效的预训练。
对于关注AI产品落地的企业用户，高德已在“高德途途”机器人上展示了从算法突破到全自主作业的能力。这意味着在开放环境（如物流、巡检、助老）中，具备自主执行能力的机器人产品有了可参考的工程化底座。对于普通用户而言，短期内最直接的感知来自出行服务或地图导航中具身智能的应用升级——高德的导航数据与空间智能资产可能被更直接地转化为物理世界的机器人决策能力。
值得关注的后续
首先，ABot-NeoVerse模型是否会开源或提供API接口，将直接影响开发者生态的规模。目前公开信息显示，该模型是ABot体系数据层的一部分，尚不确定是否对外开放。
其次，“高德途途”机器人的商业化进展值得观察。高德是否会在更多场景（如物流配送、家庭助手）中部署该技术，或与车企、物业等实体合作，是判断该技术落地速度的关键信号。
最后，由于世界模型赛道竞争激烈，中科院工业人工智能研究所、中科院计算技术研究所等团队的后续动作值得关注，行业可能迎来一轮密集的技术迭代与产品发布。
来源：量子位 · 每日最新
