De acordo com pt.wedoany.com-A Amap (Gaode Maps) lançou em 22 de julho de 2026, em Pequim, China, a atualização full-stack do sistema de IA incorporada ABot. A Amap, plataforma de serviços baseada em localização do Alibaba, apresentou cinco componentes: ABot-N1, ABot-M0.5, ABot-ER, ABot-AgentOS e ABot-C0, alcançando resultados de última geração (SOTA) em 17 benchmarks amplamente utilizados. O sistema visa resolver gargalos críticos na inteligência incorporada — permitindo que robôs percebam, raciocinem e ajam em ambientes físicos.
A arquitetura ABot é construída como um sistema tecnológico de inteligência incorporada full-stack, conectando modelos mundiais, modelos fundamentais e estruturas de agente incorporado, permitindo que dados de treinamento simulado, interação física e agendamento de memória sejam realimentados no sistema e melhorem o desempenho ao longo do tempo. O ABot-N1 é um modelo fundamental de navegação geral, adotando uma arquitetura de dois sistemas: um módulo mais lento lida com raciocínio de longo alcance, enquanto um módulo mais rápido gerencia o controle em tempo real; introduz um processo de cadeia de pensamento em nível de pixel, combinando entrada visual com lógica baseada em linguagem, tornando a tomada de decisão mais rastreável. O modelo pode realizar navegação autônoma em escala urbana usando apenas mapas de navegação. Segundo a Amap, ele supera sistemas similares em navegação para pontos-alvo, objetos-alvo, seguimento de instruções, navegação para pontos de interesse e acompanhamento de pessoas, com uma taxa de sucesso de 92,9% em navegação externa.
O ABot-M0.5 é um modelo fundamental de operação geral, separando movimento e manipulação em dois fluxos de ação, usando alinhamento implícito de ações em nível de quadro para coordenar visão, mãos e movimento. Adota um método de treinamento "sonho autocorretivo", permitindo continuar gerando ações a partir de previsões visuais ruidosas, reduzindo falhas causadas por pequenos desvios. No teste RoboCasa-365, o ABot-M0.5 superou o estado da arte anterior em 20,4% em tarefas complexas e 10,6% em tarefas básicas.
O ABot-ER suporta decisões da percepção à ação, ajudando robôs a raciocinar sobre relações entre objetos, espaços e tarefas. Até o lançamento, o ABot-ER alcançou resultados SOTA em três benchmarks e ficou em primeiro lugar no benchmark Embodied Arena 2D-EQA, publicado por várias instituições de pesquisa. O ABot-AgentOS converte planejamento em ações executáveis, suportando robôs humanoides, quadrúpedes e com rodas, oferecendo memória vitalícia multimodal que pode ser otimizada com base em trajetórias de tarefas fracassadas. Juntos, eles transformam experiências de tarefas em memória de longo prazo e referência de decisão, protegendo a segurança da memória privada local.
O ABot-C0 é um componente de controle de movimento, convertendo decisões do sistema ABot em ações físicas, construindo uma base de comportamento unificada para robôs quadrúpedes e suportando colaboração entre tipos heterogêneos de robôs. O sistema ABot atualizado visa ajudar robôs a aprender e se adaptar continuamente em ambientes abertos reais. A Amap já publicou artigos de pesquisa sobre ABot-N1, ABot-M0.5, ABot-AgentOS e ABot-C0 no arXiv.
