Nouvelle percée en intelligence incarnée : AutoNavi ouvre en source intégrale son modèle de base universel pour robots ABot-M0

marsbitPublié le 2026-04-01Dernière mise à jour le 2026-04-01

Résumé

Le domaine de l'intelligence incarnée atteint un jalon majeur. Gaode a annoncé aujourd'hui la mise en open source complète d'ABot-M0, le premier modèle de base unifié pour robots dotés d'un corps. Ce modèle vise à créer « un cerveau universel adaptable à divers types de robots », dans le but de briser les barrières entre les matériels hétérogènes et d'accélérer le déploiement de l'intelligence incarnée des laboratoires vers les scénarios industriels et domestiques. ABot-M0 a démontré des performances exceptionnelles lors de tests de référence, atteignant un taux de réussite de 80,5% sur le benchmark Libero-Plus, soit une amélioration de près de 30% par rapport au modèle précédent Pi0. Il a également établi de nouveaux records sur Libero et RoboCasa. L'open source complet couvre trois dimensions clés : les données, les algorithmes et les modèles. Gaode libère UniACT, le plus grand ensemble de données pour robots, contenant plus de 6 millions de trajectoires d'opération réelles. Les algorithmes innovants, tels que l'apprentissage de variété d'actions (AML) et l'architecture de perception à double flux, sont également divulgués. Enfin, des modèles pré-entraînés et des outils complets sont fournis pour permettre une utilisation immédiate. Cette initiative vise à résoudre les problèmes de « silos de données » et de « difficultés de déploiement », servant de pont entre la recherche académique et les applications industrielles, afin que chaque robot puisse posséder un « cerveau »...

Le domaine de l'intelligence incarnée connaît une avancée majeure. AutoNavi a officiellement annoncé aujourd'hui l'ouverture en source intégrale du premier modèle de base opérationnel pour robots incarnés au monde basé sur une architecture unifiée, ABot-M0. Ce modèle a pour objectif principal de réaliser "un cerveau universel adaptable à diverses morphologies de robots", visant à briser les barrières entre les matériels hétérogènes et à accélérer le passage de l'intelligence incarnée du laboratoire aux scénarios industriels et domestiques.

Technologie clé et performances

ABot-M0 a démontré des performances exceptionnelles dans plusieurs tests de référence de l'industrie. Les données montrent que le modèle atteint un taux de réussite de 80,5 % sur le benchmark Libero-Plus, soit une amélioration de près de 30 % par rapport à la solution de référence précédente, Pi0. De plus, il a établi de nouveaux records SOTA (state-of-the-art) dans des tests comme Libero et RoboCasa.

Ouverture en source intégrale sur trois dimensions

Pour résoudre les problèmes de longue date de "silos de données" et de "difficultés de déploiement" dans le domaine de l'intelligence incarnée, l'ouverture d'AutoNavi couvre trois dimensions : les données sous-jacentes, les algorithmes clés et les modèles pré-entraînés :

  • Niveau des données : Ouverture du plus grand ensemble de données universel pour robots, UniACT. Cet ensemble intègre plus de 6 millions de trajectoires opérationnelles réelles et fournit un pipeline complet de traitement des données hétérogènes aux données d'entraînement standardisées.

  • Niveau des algorithmes : Publication simultanée de l'architecture du modèle et du cadre d'entraînement. Les points forts incluent l'algorithme innovant d'apprentissage de variété d'actions (AML - Action Manifold Learning) et l'architecture de perception à double flux d'AutoNavi, dotant les robots de capacités exceptionnelles de compréhension spatiale et d'exécution d'actions.

  • Niveau des modèles : Fourniture de modèles pré-entraînés de bout en bout et d'une chaîne d'outils complète. Les développeurs peuvent les utiliser "prêts à l'emploi", sans avoir à construire un framework à partir de zéro, réduisant ainsi considérablement le seuil d'adaptation aux robots collaborateurs industriels ou aux robots domestiques.

Impact sur l'industrie

Le responsable technique d'ABot-M0 chez AutoNavi a déclaré qu'une véritable intelligence incarnée universelle nécessite la collaboration des développeurs du monde entier. L'ouverture d'ABot-M0 n'est pas seulement un partage technologique, mais vise également à construire un pont reliant la recherche académique et les applications industrielles, afin que chaque robot, quelle que soit sa morphologie, puisse posséder un "cerveau" intelligent, fiable et universel.

Questions liées

QQuel est le nom du nouveau modèle de base de robotique open-source annoncé par AutoNavi et quel est son objectif principal ?

ALe modèle s'appelle ABot-M0. Son objectif principal est de réaliser 'un cerveau universel adapté à de multiples formes de robots', visant à briser les barrières entre les matériels hétérogènes.

QQuelle performance le modèle ABot-M0 a-t-il atteinte sur le benchmark Libero-Plus, et comment se compare-t-il au modèle Pi0 ?

ALe modèle ABot-M0 a atteint un taux de réussite de 80,5% sur le benchmark Libero-Plus, ce qui représente une amélioration de près de 30% par rapport au modèle Pi0.

QQuels sont les trois volets de l'open-source complet fourni par AutoNavi pour le projet ABot-M0 ?

ALes trois volets sont : 1) La couche de données (avec le jeu de données UniACT), 2) La couche algorithmique (incluant l'architecture et le cadre d'entraînement), et 3) La couche modèle (modèles pré-entraînés et chaîne d'outils complète).

QQuel est le nom de l'ensemble de données ouvertes et quelle est sa taille ?

AL'ensemble de données ouvert s'appelle UniACT. Il intègre plus de 6 millions de trajectoires d'opération réelles.

QQuels sont les deux éléments algorithmiques clés mis en avant qui confèrent au robot ses capacités ?

ALes deux éléments algorithmiques clés sont l'algorithm d'apprentissage de variété d'actions (Action Manifold Learning - AML) et l'architecture de perception à double flux (Dual-stream Perception Architecture).

Lectures associées

Trading

Spot
Futures
活动图片