刚刚，高德ABot-Claw亦庄半马封神！具身智能的Harness来了
刚刚，高德ABot-Claw亦庄半马封神！具身智能的Harness来了
来源类型： 微信公众号文章
日期： 2026-06-02
标签： AI, 记忆系统, 电商, 办公效率, 网络安全, 编程, 物流, 机器人, 大模型
原文链接： https://mp.weixin.qq.com/s/9_ULueQmIqtcpoN47Et7xA
摘要
## ** *新智元报道 ** 编辑：Aeneas 犀牛 ## *【新智元导读】一只四足机器狗，无需预设路线、无需人工遥控，在开放城市环境中自己认路、自己走、自己干活——这是高德「途途」正在上演的真实场景。背后的秘密，是一套终结「一机一图」困局的具身智能Harness——ABot-Claw。 具身智能的破晓时刻来了！ 就在刚刚，2026北京亦庄机器人半程马拉松上，阿里巴巴旗下高德正式公开全球首款开放环境全自主具身机器人「高德途途」。 这款四足机器人成功协助视障人士完成复杂避障、人群穿行等实战挑战，突破了「实验室」到「开放环境」之间的技术鸿沟。 我们早已习...
核心内容
** ****新智元报道 **
编辑：Aeneas 犀牛
【新智元导读】一只四足机器狗，无需预设路线、无需人工遥控，在开放城市环境中自己认路、自己走、自己干活——这是高德「途途」正在上演的真实场景。背后的秘密，是一套终结「一机一图」困局的具身智能Harness——ABot-Claw。
具身智能的破晓时刻来了！
就在刚刚，2026北京亦庄机器人半程马拉松上，阿里巴巴旗下高德正式公开全球首款开放环境全自主具身机器人「高德途途」。
这款四足机器人成功协助视障人士完成复杂避障、人群穿行等实战挑战，突破了「实验室」到「开放环境」之间的技术鸿沟。
我们早已习惯LLM在数字世界的无所不能，然而一旦触及物理实体，以前的具身智能往往会碰壁。
比如，你对着一只机器狗说：带我去最近的公园放松一下。
传统机器人会大概率是一脸茫然——它不知道公园在哪，不知道怎么走，更不知道「放松」意味着什么。
就算你把路线告诉它，它也只能按图索骥，遇到施工封路就彻底抓瞎。
这种「知识孤岛」的工程瓶颈，正是具身智能通往通用AGI的最大绊脚石。
现在，高德正式发布了全球首个面向AGI的全栈具身技术体系ABot，以及智能导盲犬高德途途。
这不仅是一台「能出门、会思考、能导盲」的四足机器人，更是一次对具身智能底层逻辑的重构。
跟传统的机器狗不一样，高德的四足机器人途途会先理解你的意图——你累了、想透气，接着查询自己的「记忆库」找到最近的公园坐标，然后把任务拆解成一系列子目标，最后一路导航到目的地。
如果中途遇到障碍，它会实时调整路线，甚至在你没察觉的情况下绕开一群正在遛弯的大爷大妈。
比如，它甚至可以直接出门到咖啡店里给你取一杯咖啡。
特别是作为体系中枢的ABot-Claw，它的出现，意味着具身智能终于迎来了属于自己的「Harness」（智能驾驭中枢）。
高德，正在用自己的空间智能沉淀，开启具身智能通向AGI的大门。
传统具身智能的致命伤一机一图、知识孤岛、单体脆弱
**
**
长期以来，具身智能领域有一个几乎无解的工程困境，业内称之为「一机一图」。
什么意思？
每台机器人部署到新环境时，必须从零开始：独立建图、独立冷启动、独立训练。
今天这台机器人在A办公室学会了怎么找会议室，明天换一台新机器人到B办公室，一切就得从头再来，经验无法沉淀，知识无法复用。
这就像一家公司每招一个新员工，都得从幼儿园开始教——认字、学加减法、了解公司业务，从零培养到能上手，然后他一离职，下一个人再来一遍。
这就是当前机器人行业的普遍现状。
更致命的是，单体机器人极度脆弱。它们只能围绕眼前的世界建模，眼睛看不到的地方就是未知黑洞。
电梯门关了，它不知道楼上是什么；前方转角有人走过来，它无法预判。
没有记忆、没有协同、没有容错——这就是为什么大部分机器人只能在封闭场景里做做搬运工作，一旦走出实验室，立刻变成不会走路的「科技盲人」。
答案来了：从「单体能力展示」到「系统级解法」
**
**
高德途途的出现，打破了这一僵局！
作为一个「开了天眼」的四足机器人，它在开放环境下无需预设路线，无需人工遥控，就能自己认路、自己走。 哪怕是超视距外的路况变化，它也能提前预判。
之所以能支撑这种通用能力，真正的秘密在于，它换了一套底层操作系统——ABot-Claw。
如果把机器人比作一匹马，过去的做法是不断给马喂更好的饲料、做更多的训练，希望它跑得更快更远。
而Harness的思路是：给马装上缰绳和马鞍，让骑手能真正驾驭它。
ABot-Claw处于ABot技术体系的Agent层，承上启下：向下接收ABot-M0（操作模型）和ABot-N0（导航模型）的能力输出，向上统一调度四足、轮式、人形等不同形态的机器人本体。
它不是又一个基座模型，而是让基座模型能力真正落地的「中枢神经系统」，从此，机器人从「被动执行器」升级为「主动调度者」。
它不再是一个只会听命令的工具，而是一个能理解意图、规划路径、执行任务、自我纠错的智能体。
从此，具身智能从「单体试错」时代，正式迈入「体系智能」阶段。
值得一提的是，ABot体系的Model层也交出了亮眼成绩单。
ABot-M0操作基座模型在Libero、Libero-Plus、RoboCasa、RoboTwin 2.0等四大权威基准测试中全面刷新世界纪录，Libero-Plus基准上任务成功率高达80.5%，较业界标杆Pi0提升近30%。
ABot-N0导航基座模型更是全球首次用单一模型统一五大核心导航任务，在CityWalker、SocNav、R2R-CE、RxR-CE、HM3D-OVON、BridgeNav、EVT-Bench等7项国际评测中全部达到SOTA，断层式领先行业。
而这一切能力的落地，都需要通过Claw这个「中枢神经」来驾驭。
Claw如何重构具身底座
**
**
如果说模型是大脑，那么ABot-Claw就是连接大脑与四肢、并赋予其长期记忆的中枢神经。
它通过三大核心技术支柱，彻底终结了机器人的「失忆症」。
通过Map as Memory、集中式动态调度、分层容错机制，它从数据流与控制流底层，彻底终结了「一机一图」的历史。
Map as Memory，让地图成为世界记忆
跨机器人本体空间记忆系统（Cross-Embodiment Spatial Memory）以全局空间坐标系为统一参考框架，构建支持多模态感知数据（视觉关键帧、物体6D位姿、语义坐标、行为轨迹）持久化存储于联合索引的分布式记忆架构。
该系统支持：
-
多粒度空间语义建模：通过分层拓扑结构（区域层、路网层、功能层、对象层）实现从宏观导航到微观操作的语义-几何对齐；
-
混合检索机制（Hybrid Retrival）：融合几何约束（如空间半径查询）与语义相似度（如CLIP嵌入匹配），支持开放词汇条件下的跨模态召回；
-
上下文零迁移继承：新接入机器人可通过订阅全局空间语义图谱，直接复用历史观测与任务上下文，实现跨设备、跨任务周期的持续认知一致性。
这是高德最有野心的一个创新，也是整个Claw体系的灵魂。
传统机器人的「记忆」，大多是传感器采集的局部数据、执行过的任务日志。这些信息高度碎片化，无法跨设备共享，更无法形成持久化的认知基础。
高德的做法是：把地图升维成智能体的持久化记忆载体。
想想看，人类是怎么「记住」世界的？我们对长期生活的地方有空间记忆，知道家里厨房在哪、公司电梯怎么走；我们对打交道的人有关系记忆，了解同事的习惯和喜好。
这些记忆让我们能在复杂环境中游刃有余，而不是每次出门都像第一次来到这个世界。
ABot-Claw的Map as Memory做的就是这件事——以全局空间坐标为统一锚点，建立持久化空间语义地图，让机器人拥有真正的「世界记忆」。
具体怎么实现？
Claw构建了一套四层视觉空间记忆架构：
- Block Layer（区域层）：定义室内房间和室外街区，
...(内容截断，完整内容请查看原文)
本页由自动化脚本生成，待人工审核补充