fr.wedoany.com Rapport : Le 22 juillet 2026, Amap a dévoilé à Pékin, en Chine, la mise à niveau complète de son système d’IA incarnée ABot. Filiale d’Alibaba spécialisée dans les services géolocalisés, Amap a lancé cinq composants — ABot-N1, ABot-M0.5, ABot-ER, ABot-AgentOS et ABot-C0 — qui ont obtenu des résultats de pointe (SOTA) dans 17 benchmarks largement utilisés. Ce système vise à résoudre un goulot d’étranglement clé de l’intelligence incarnée : permettre aux robots de percevoir, raisonner et agir dans un environnement physique.
L’architecture ABot est conçue comme un système technologique d’IA incarnée full-stack, reliant les modèles du monde, les modèles fondamentaux et les cadres d’agents incarnés. Cela permet aux données issues de l’entraînement en simulation, des interactions physiques et de la planification mémoire de revenir alimenter le système et d’améliorer ses performances au fil du temps. ABot-N1 est un modèle de navigation généraliste de base, doté d’une architecture à deux systèmes : un module lent gère le raisonnement à longue distance, tandis qu’un module rapide assure le contrôle en temps réel. Il intègre un processus de chaîne de pensée au niveau des pixels, combinant les entrées visuelles avec la logique linguistique pour rendre les décisions plus traçables. Ce modèle peut effectuer une navigation autonome à l’échelle urbaine en utilisant uniquement une carte de navigation. Selon Amap, il surpasse les systèmes similaires dans la navigation vers des points cibles, des objets cibles, le suivi d’instructions, la navigation vers des points d’intérêt et le suivi de personnes, avec un taux de réussite de 92,9 % en navigation extérieure.
ABot-M0.5 est un modèle de manipulation généraliste de base qui sépare le déplacement et la manipulation en deux flux d’actions, utilisant des actions implicites au niveau des trames pour aligner la vision, les mains et le mouvement. Il adopte une méthode d’entraînement d’« auto-guérison par rêve », lui permettant de continuer à générer des actions à partir de prédictions visuelles bruitées, réduisant ainsi les échecs dus à de petites déviations. Dans le test RoboCasa-365, ABot-M0.5 a surpassé l’état de l’art précédent de 20,4 % sur les tâches complexes et de 10,6 % sur les tâches de base.
ABot-ER prend en charge la décision de la perception à l’action, aidant les robots à raisonner sur les relations entre objets, espaces et tâches. Au moment de son lancement, ABot-ER a obtenu des résultats SOTA dans trois benchmarks et s’est classé premier dans le benchmark Embodied Arena 2D-EQA publié par plusieurs instituts de recherche. ABot-AgentOS transforme la planification en actions exécutables, prenant en charge les robots humanoïdes, quadrupèdes et à roues, et offre une mémoire multimodale à vie qui peut être optimisée en fonction des trajectoires de tâches échouées. Ensemble, ils convertissent l’expérience des tâches en mémoire à long terme et en référence décisionnelle, tout en protégeant la sécurité de la mémoire privée locale.
ABot-C0 est un composant de contrôle moteur qui traduit les décisions du système ABot en actions physiques, construisant une base comportementale unifiée pour les robots quadrupèdes et permettant la collaboration entre différents types de robots hétérogènes. Le système ABot mis à niveau vise à aider les robots à apprendre et à s’adapter en continu dans des environnements ouverts réels. Amap a publié des articles de recherche sur ABot-N1, ABot-M0.5, ABot-AgentOS et ABot-C0 sur arXiv.
