← 返回模型历史
高德 14 个模型
模型系列(4)
| 发布日期 | 公司 | 模型名称 | 系列 | 类型 | 特性 |
|---|---|---|---|---|---|
| 2026-09-10 | 高德 | ABot-Earth 0.7 | ABot-Earth | 支持从星球到街景的一体化全尺寸AI生成、端到端一次性生成3DGS格式的城市场景、支持连续进入、自由探索和实时交互、覆盖超过196个国家和地区 | |
| 2026-08-28 | 高德 | ABot-Recon | - | 无需长程记忆,仅凭连续12帧局部画面即可实时稳定重建上万帧3D场景 摒弃长程记忆锚点,采用局部位姿预测+残差优化,计算复杂度恒定 峰值显存占用仅约6.71GB,消费级显卡GTX 1080Ti即可运行 无需额外深度传感器或已知相机参数,仅需单目RGB视频输入 | |
| 2026-07-23 | 高德 | ABot-N1 | ABot | 通用导航基座模型,机器人的“双脚” 快慢双系统架构,结合视觉画面与语言逻辑展现推理过程 仅靠导航地图完成城市级全自主导航 边跑边长,具备空间直觉 | |
| 2026-07-23 | 高德 | ABot-M0.5 | ABot | 通用操作基座模型,机器人的“双手” 实现“眼、手、脚”实时对齐,手脚并用 具备“梦境自愈”训练方式,通过自造数据回流推动模型持续进化 越难越强,具备长程任务稳定性 | |
| 2026-07-23 | 高德 | ABot-ER | ABot | 具身大脑,负责统一支持机器人从感知到行动的全流程判断 超越单纯视觉判别,理解物体、空间与任务关系 做出合理决策 | |
| 2026-07-23 | 高德 | ABot-AgentOS | ABot | 执行中枢,将“想明白”转化为“做得到” 适配人形、四足、轮式等异构机器人 自带跨任务、跨时间的多模态终身记忆 基于任务失败轨迹定向优化记忆存储结构 | |
| 2026-07-23 | 高德 | ABot-C0 | ABot | 运动神经,实现模型能力外化 将ABot体系的每一个决策传导到机器人动作上 | |
| 2026-07-14 | 高德 | ABot-3DWorld0 | ABot-World | 负责3D生成 可在单张消费级GPU上完成本地推理 无需依赖专用算力 | |
| 2026-07-14 | 高德 | ABot-World0 | ABot-World | 单张消费级GPU可24小时连续稳定推理 画质、物理一致性及交互响应无明显衰减 采用LongForcing长程训练范式 集成至高德通用世界模型开发平台ABot-World Studio | |
| 2026-06-08 | 高德 | ABot-Earth 0.5 | - | 全球首个3D原生城市世界模型,标志着空间智能技术在城市级三维重建领域取得重大突破 | |
| 2026-04-21 | 高德 | ABot-World | ABot | 1. 物理优先建模范式:将物理一致性作为核心优化目标,输出包含质量、惯性张量、接触力场的可微分物理状态快照。 2. 动作条件化因果推演:支持末端执行器位姿与夹爪状态作为显式输入,精确预测未来时空动力学变化。 3. VLA闭环进化:支持“预测-执行-反馈”闭环,具备在真实环境中通过误差信号自我修正的能力。 4. 双引擎驱动架构:由ABot-3DGS(数字孪生工厂)与ABot-PhysWorld(物理引擎内核)协同工作。 | |
| 2026-04-01 | 高德 | ABot-M0 | - | 全量开源全球首个基于统一架构的机器人具身操作基座模型 | |
| 2026-02-01 | 高德 | ABot-N0 | ABot | 全球首次在单一模型中集成五大导航任务(Point-Goal, Object-Goal, Instruction-Following, POI-Goal, Person-Following) 基于8000个高保真3D场景及1700万条专家示例训练 提出Agentic Navigation System具身导航系统框架 支持长程复杂任务执行与容错纠错 | |
| 2025-08-12 | 高德 | 小高老师 | 通义 | 内置智能体“小高老师”,支持音频/文本等多模态交互,支持随时打断的全双工语音 基于36万亿 token 预训练的 Qwen 大模型,实现空间语义深度理解与高效调度近百种内部工具 联合推出复杂 POI 推理 Agent,可拆解多重约束并整合实时信息,提供精准推荐与导航 依托自研 DeepResearch 框架,具备规划、反思、工具调用等完整 Agent 能力 |