Terobosan Baru dalam Kecerdasan Berwujud: AutoNami Buka Sumber Penuh Model Basis Robot Serbaguna ABot-M0

marsbitDipublikasikan tanggal 2026-04-01Terakhir diperbarui pada 2026-04-01

Abstrak

Inovasi terobosan dalam kecerdasan embodied diumumkan oleh Gaode dengan meluncurkan open-source penuh model dasar robot universal ABot-M0, model pertama di dunia berbasis arsitektur terpadu. ABot-M0 dirancang untuk menjadi "otak universal yang dapat beradaptasi dengan berbagai bentuk robot", bertujuan menghilangkan hambatan antar perangkat heterogen dan mempercepat adopsi kecerdasan embodied dari lab ke skenario industri dan rumah tangga. Model ini menunjukkan kinerja luar biasa dalam benchmark Libero-Plus dengan tingkat keberhasilan tugas 80.5%, meningkat hampir 30% dibandingkan model Pi0 sebelumnya, sekaligus mencatat rekor SOTA di Libero dan RoboCasa. Gaode membuka sumber daya secara lengkap dalam tiga dimensi: dataset robot universal UniACT dengan lebih dari 6 juta lintasan operasi nyata, algoritme inti termasuk Action Manifold Learning (AML) dan arsitektur persepsi dual-stream, serta model pra-latihan lengkap dengan toolchain untuk memudahkan penggunaan langsung. Inisiatif ini diharapkan dapat menjembatani penelitian akademis dan aplikasi praktis, memungkinkan setiap robot memiliki "otak" yang cerdas dan andal.

Bidang kecerdasan berwujud mencapai kemajuan bersejarah. AutoNami hari ini secara resmi mengumumkan pembukaan sumber penuh model basis operasi robot berwujud pertama di dunia yang berbasis arsitektur terpadu ABot-M0. Inti model ini difokuskan untuk mewujudkan "satu otak serbaguna yang dapat diadaptasi ke berbagai bentuk robot", bertujuan menghancurkan hambatan antara perangkat keras yang berbeda, dan mempercepat perjalanan kecerdasan berwujud dari laboratorium menuju skenario industri dan rumah tangga.

Teknologi Inti dan Kinerja

ABot-M0 menunjukkan kinerja luar biasa dalam beberapa pengujian patokan industri. Data menunjukkan, tingkat keberhasilan tugas model ini pada patokan Libero-Plus mencapai 80,5%, meningkat hampir 30% dibandingkan dengan solasi unggulan industri sebelumnya, Pi0. Selain itu, model ini memecahkan rekor SOTA (terdepan di industri) dalam pengujian seperti Libero dan RoboCasa.

Pembukaan Sumber Penuh dalam Tiga Dimensi

Untuk mengatasi masalah lama "data terisolasi" dan "kesulitan penerapan" di bidang kecerdasan berwujud, AutoNami kali ini membuka sumber yang mencakup tiga dimensi: data dasar, algoritma inti, dan model pra-latih:

  • Tingkat data: Membuka sumber kumpulan data robot serbaguna UniACT yang saat ini merupakan yang terbesar. Kumpulan data ini mengintegrasikan lebih dari 6 juta jejak operasi nyata dan menyediakan pipa pemrosesan lengkap dari data heterogen ke data pelatihan terstandarisasi.

  • Tingkat algoritma: Secara bersamaan mempublikasikan arsitektur model dan kerangka pelatihan, dengan highlight inti termasuk algoritma inovatif AutoNami Pembelajaran Manifold Aksi (AML) serta Arsitektur Persepsi Aliran Ganda, yang memberikan kemampuan pemahaman spasial dan eksekusi aksi yang luar biasa untuk robot.

  • Tingkat model: Menyediakan model pra-latih ujung-ke-ujung dan rantai alat lengkap. Pengembang dapat mencapai "siap pakai", tanpa perlu membangun kerangka dari nol, sangat menurunkan ambang batas adaptasi untuk robot kolaborasi industri atau layanan rumah tangga.

Dampak Industri

Penanggung jawab teknologi AutoNami ABot-M0 menyatakan bahwa kecerdasan berwujud yang benar-benar serbaguna memerlukan pemolesan bersama dari pengembang global. Pembukaan sumber ABot-M0 bukan hanya berbagi teknologi, tetapi lebih berharap membangun jembatan yang menghubungkan penelitian akademis dan aplikasi industri, sehingga setiap robot dengan bentuk yang berbeda dapat memiliki "otak" yang cerdas, andal, dan serbaguna.

Pertanyaan Terkait

QApa itu model ABot-M0 yang diumumkan oleh Gaode dan mengapa dianggap sebagai terobosan?

AABot-M0 adalah model dasar operasi robot embodied pertama di dunia yang berbasis arsitektur terpadu, yang sepenuhnya open source oleh Gaode. Ini dianggap sebagai terobosan karena bertujuan untuk 'satu otak universal yang dapat beradaptasi dengan berbagai bentuk robot', memecah hambatan antara perangkat keras heterogen dan mempercepat pengembangan kecerdasan embodied dari laboratorium ke skenario industri dan rumah tangga.

QBagaimana kinerja ABot-M0 dalam pengujian benchmark dibandingkan dengan model sebelumnya?

AABot-M0 menunjukkan kinerja luar biasa dalam beberapa pengujian benchmark industri. Model ini mencapai tingkat keberhasilan tugas 80,5% pada benchmark Libero-Plus, yang hampir 30% lebih tinggi dibandingkan dengan model Pi0 yang sebelumnya menjadi tolok ukur. Selain itu, ABot-M0 juga memecahkan rekor SOTA (state-of-the-art) dalam tes Libero dan RoboCasa.

QApa saja tiga dimensi open source yang disediakan oleh Gaode untuk ABot-M0?

AGaode menyediakan open source dalam tiga dimensi: 1) Data: dataset robot universal terbesar UniACT dengan lebih dari 6 juta lintasan operasi nyata dan pipeline pemrosesan data terstandarisasi. 2) Algoritma: arsitektur model dan kerangka pelatihan, termasuk algoritma Action Manifold Learning (AML) dan arsitektur persepsi dual-stream. 3) Model: model pra-latihan end-to-end dan toolchain lengkap untuk penggunaan langsung.

QApa keunggulan dataset UniACT yang dibuka oleh Gaode?

ADataset UniACT yang dibuka oleh Gaode adalah dataset robot universal terbesar yang tersedia, mengintegrasikan lebih dari 6 juta lintasan operasi nyata. Ini juga menyediakan pipeline pemrosesan lengkap dari data heterogen ke data pelatihan terstandarisasi, membantu mengatasi masalah 'data silo' yang lama ada di bidang kecerdasan embodied.

QApa dampak open source ABot-M0 terhadap industri dan pengembangan kecerdasan embodied?

AOpen source ABot-M0 oleh Gaode tidak hanya berbagi teknologi, tetapi juga bertujuan membangun jembatan antara penelitian akademis dan aplikasi industri. Ini memungkinkan pengembang global untuk bersama-sama mengasah kecerdasan embodied universal, sehingga setiap robot dengan bentuk berbeda dapat memiliki 'otak' yang cerdas, andal, dan universal, serta sangat menurunkan ambang batas adaptasi untuk robot kolaborasi industri atau layanan rumah tangga.

Bacaan Terkait

Pelepasan Token Mingguan: HOME Lepas Token Lebih dari 20% Pasokan Beredar

**Defi App (HOME) Lepas Kunci Token Besar-besaran** Proyek DeFi.app, yang bertujuan menyederhanakan perdagangan DeFi dengan kendali aset penuh oleh pengguna, akan mengalami peristiwa pelepasan (unlock) token signifikan. Sebanyak 7.9 miliar token HOME akan dilepaskan, dengan nilai sekitar $41.26 juta. Unlock ini setara dengan lebih dari 20% dari pasokan token yang saat ini beredar. DeFi.app menyediakan platform untuk membeli token di berbagai blockchain, melakukan perdagangan lintas rantai (cross-chain) instan, mengakses pasar derivasi terdesentralisasi, dan peluang *yield*—semua tanpa biaya gas atau proses *bridging* yang rumit. Grafik rilis token yang dirinci menunjukkan jadwal pelepasan ini. Pemegang dan pengamat pasar disarankan untuk memperhatikan dampak potensial dari masuknya pasokan token baru ini ke pasar.

marsbit1j yang lalu

Pelepasan Token Mingguan: HOME Lepas Token Lebih dari 20% Pasokan Beredar

marsbit1j yang lalu

Pasar Saham AS Alami Jatuhnya Terberat Sejak 2025, Tiga Pemicu Meledakkan Penilaian Ulang Valuasi Saham Teknologi

Pasar saham AS mengalami keruntuhan terburuk sejak krisis tarif April 2025 pada 5 Juni. Indeks Nasdaq anjlok 4,18%, S&P 500 turun 2,64%, dan Dow Jones merosot 695 poin. Tiga pemicu utama diidentifikasi: 1. Laporan keuangan Broadcom mengisyaratkan kemungkinan perlambatan dalam pertumbuhan pendapatan chip AI kuartal depan, memicu kepanikan dan penjualan luas di seluruh sektor semikonduktor. Indeks Philadelphia Semiconductor terjun 10,26%. 2. Data tenaga kerja AS (NFP) bulan Mei jauh melampaui ekspektasi (172.000 vs 80.000), memperkuat kekhawatiran bahwa Federal Reserve mungkin tidak akan menurunkan suku bunga dan bahkan berpotensi menaikkannya. Ekspektasi kenaikan suku bunga melonjak di pasar. 3. Bayangan perang Iran dan harga minyak tinggi yang terus-menerus (WTI > $90) memperumit perang Fed melawan inflasi, menambah tekanan pada pasar. Ketiga faktor ini bersama-sama menggoyang narasi dasar pasar: pertumbuhan AI tanpa batas, likuiditas mudah dari Fed, dan inflasi yang telah terkendali. Keruntuhan dengan cepat menyebar ke pasar global di Asia dan Eropa. Apakah ini awal pecahnya gelembung AI? Analisis menunjukkan ini lebih sebagai penyesuaian penilaian ulang (valuasi) daripada keruntuhan narasi sepenuhnya. Permintaan chip AI tetap kuat (pertumbuhan 143% Broadcom), tetapi pasar menjadi lebih realistis mengenai kecepatan pertumbuhan dan harga yang bersedia dibayar. Arah pasar selanjutnya akan bergantung pada pertemuan FOMC Juni, panduan dari perusahaan AI lainnya seperti Nvidia, dan perkembangan situasi di Iran.

marsbit3j yang lalu

Pasar Saham AS Alami Jatuhnya Terberat Sejak 2025, Tiga Pemicu Meledakkan Penilaian Ulang Valuasi Saham Teknologi

marsbit3j yang lalu

Dari Madison Square Garden ke Kalshi: Pasar Prediksi Menerobos Final NBA

Artikel ini membahas maraknya pasar prediksi (prediction markets) seperti Kalshi dan Polymarket di seputar Final NBA 2026, khususnya menyusul kesuksesan New York Knicks. Pasar ini tidak hanya menarik perhatian penggemar dengan kontrak taruhan online mengenai hasil seri, MVP, atau bahkan kehadiran selebriti, tetapi juga merambah ke dunia bisnis fisik. Contohnya, sebuah bar menggunakan Kalshi untuk meng-hedge risiko promo "minuman gratis jika Knicks menang", menunjukkan fungsinya sebagai alat manajemen risiko. Kemitraan resmi Kalshi dengan Madison Square Garden menempatkan platform ini di pusat perhatian. Sementara itu, pasar prediksi memperluas batas taruhan olahraga tradisional dengan menawarkan lebih banyak variasi acara dan dapat diakses oleh pengguna yang lebih muda dan di lebih banyak wilayah AS. Namun, pertumbuhan ini menimbulkan kontroversi dan kekhawatiran regulasi. Investasi bintang NBA Giannis Antetokounmpo di Kalshi memicu debat tentang konflik kepentingan dan integritas pertandingan. NBA sendiri bersikap hati-hati, menyerukan kerangka regulasi yang ketat kepada CFTC untuk melindungi kepercayaan publik. Final NBA menjadi ujian bagi pasar prediksi, menimbang antara peluang komersial baru dan tantangan menjaga integritas olahraga.

marsbit5j yang lalu

Dari Madison Square Garden ke Kalshi: Pasar Prediksi Menerobos Final NBA

marsbit5j yang lalu

AI yang Bisa Membangun Diri Sendiri Melalui 'Rekursi' Menjadi Populer, Google Menuangkan Air Dingin, DeepSeek dkk. Sudah Menyentuh Ujungnya

Konsep Recursive Self-Improvement (RSI), atau kecerdasan buatan yang mampu melatih dan meningkatkan dirinya sendiri secara mandiri, menjadi tren hangat di dunia AI. Beberapa startup seperti Recursive Superintelligence dan proyek Auto-Research dari Andrej Karpathy fokus pada realisasi visi ini. Meski demikian, CEO Google Sundar Pichai menyatakan teknologi ini masih dalam tahap awal dan belum mencapai percepatan skala besar seperti yang dibayangkan. Analisis dari para peneliti membagi kemajuan RSI menjadi tiga tahap: *adequacy* (sistem berjalan tanpa manusia), *parity* (kualitas setara manusia), dan *supremacy* (melebihi kolaborasi manusia-AI). Pencapaian tahap kedua diprediksi akan memicu percepatan yang sangat cepat. Di China, perusahaan seperti DeepSeek dan Baidu secara diam-diam telah menerapkan prinsip-prinsip serupa RSI dalam pengembangan model mereka, seperti optimisasi algoritma efisien dan siklus peningkatan mandiri, meski tidak secara terbuka menyebut istilah RSI. Namun, tantangan RSI tetap ada, termasuk risiko *model collapse* (penurunan kualitas data generasi AI) dan prasyarat lingkungan yang sulit seperti kebutuhan komputasi tak terbatas dan ekosistem penelitian terbuka global. Perkembangan RSI merefleksikan tren di mana peran manusia dalam rantai pengembangan AI secara bertahap berkurang, sebuah proses yang bersifat irreversible.

marsbit5j yang lalu

AI yang Bisa Membangun Diri Sendiri Melalui 'Rekursi' Menjadi Populer, Google Menuangkan Air Dingin, DeepSeek dkk. Sudah Menyentuh Ujungnya

marsbit5j yang lalu

Anthropic Memprediksi secara Global, OpenAI Telah Melampaui "Ambang Keandalan": Akselerasi Mandiri AI Telah Dimulai

**Peringatan Global dari Anthropic: OpenAI Telah Melampaui 'Ambang Keandalan', Memicu Akselerasi Mandiri AI** Anthropic mengeluarkan peringatan mendesak untuk memperlambat atau menghentikan penelitian AI, karena data internal mereka menunjukkan bahwa AI kini mempercepat pengembangan AI itu sendiri, berpotensi mendekati titik kritis perbaikan diri yang rekursif atau "membuat dirinya sendiri." Di sisi lain, Yann Dubois dari tim pasca-pelatihan OpenAI memberikan perspektif mikro: pertumbuhan kemampuan AI sebenarnya linier dan berkelanjutan, tetapi pengguna merasakan "kebergunaan" yang melompat secara diskrit. Ini karena adanya **"ambang keandalan"**. Sebelum mencapai ambang ini, AI hanyalah alat cerdas yang tidak dapat diandalkan sepenuhnya. Setelah melampauinya (sekitar Desember tahun lalu menurut Dubois), AI menjadi seperti karyawan yang dapat dipercaya untuk menangani pekerjaan nyata dan mulai mempercepat perkembangannya sendiri. **Akselerasi Mandiri dan Siklus Penguatan:** Ketika model menjadi cukup andal (misalnya, dalam pemrograman), mereka dapat digunakan untuk membantu peneliti mengembangkan alat dan bahkan melatih generasi model AI berikutnya, menciptakan loop akselerasi yang semakin cepat. Data Anthropic menunjukkan produktivitas kode per insinyur meningkat 8x pada Q2 2026 dibandingkan Q1 2024. **AI sebagai "Kerajinan" (Craft):** Dubois menegaskan bahwa membangun sistem AI yang andal lebih menyerupai kerajinan atau bahkan "alkimia" yang mengandalkan intuisi dan trial-and-error, daripada ilmu pengetahuan murni yang sistematis. Peningkatan keandalan seringkali dicapai dengan menekan "tingkat kesalahan per interval waktu" dalam sistem agen AI. **"Harness" Vertikal dan "Mil Terakhir":** Dubois berpendapat bahwa jika model saat ini "dibekukan" dan fokus dialihkan ke pengembangan *harness* (sistem orkestrasi) yang matang untuk domain spesifik, banyak bidang sudah dapat merasakan fungsi seperti AGI (Kecerdasan Buatan Umum). **Tantangan sebenarnya bukan pada kecerdasan model, tetapi pada "mil terakhir"**—yaitu mengintegrasikan AI dengan sistem yang ada, mengatur izin akses, konektor data, dan alur kerja bisnis tertentu. Inilah peluang besar bagi pengembang dan startup. **Tantangan Masa Depan: Pembelajaran Berkelanjutan (Continual Learning):** Meski memiliki titik awal yang tinggi, model AI saat ini kesulitan untuk terus belajar dan beradaptasi dari pengalaman spesifik di lingkungan barunya seperti manusia. Membentuk kurva pembelajaran AI yang terus naik, bukan mendatar, adalah salah satu masalah terpenting berikutnya.

marsbit5j yang lalu

Anthropic Memprediksi secara Global, OpenAI Telah Melampaui "Ambang Keandalan": Akselerasi Mandiri AI Telah Dimulai

marsbit5j yang lalu

Trading

Spot
Futures
活动图片

Kategori Populerright-arrow

Tag Populerright-arrow