走向 AGI，高德为什么要从机器导盲犬始？

若败之怎么办……此些疑难需成为思考链路之一部分。

“能出门” 不只为能迈开腿走路。

而 “导盲” 几乎与上面所有 “可控要素” 背离： 当天，除之过红绿灯，途途之脚步还引领之他之主者，成之一系列应战：规避动静态障碍，连续绕行穿越狭窄通道；实时预判、灵活避让突然现之干扰；穿行密集者群，自立寻找补给站等。

若只把途途体谅成 “另一名机器者货品”，甚易低估高德做具身智能之决心。

ABot 技艺栈将会适配各种机器者货品形态，只为对于导盲来说，四足已为一名足够合适之载体：稳固成熟，能够承载导盲与敞开氛围导航，所要求之一整套本领验证。

高德认为机器者于动作之前，需先对氛围、方位与用户意图象成一名裁决。

不会给任何容错方位，没法靠后期剪辑回避疑难，彼些于实验室里还勉强能成立之 demo ，皆会于现状全球露馅。

言辞模型可靠互联网语料快速扩充本领边界，哪怕有噪音与偏差，也能于海量试错中摸索出一些稳固运行之范式；具身智能则不同，机器者与全球打交道，需对物体、方位、动作、光阴、意图之间之繁交互关系有深刻体谅，容错率更低，也更难标准化。

四足机器者为不为终极解答。

除之作为唱歌跳舞、情绪耗费之娱乐货品外，机器者或许真之可进一步融入现状全球，改善者们之活，哪怕从局部微小之一点始。

高德挑选之一名几乎不允许出错之场景。

后者通常为先做机器者，再想方设法补上一名 “体谅全球之大脑”；高德为先握之一套现状全球数据与方位体谅体系，再决定让机器者加入其中。

根据高德官方之表述，途途有三层递进之本领：能出门、会思考、会导盲（即能干活）。

先尝试什么。

于吾等与高德具身业务负责者诚卿、具身算法负责者徐牧之交中，彼等把目前具身智能面临之疑难概括为：数据缺乏、泛化本领不足，以及模型与货品之间之断层。

另一方面，如前文中所提到，导盲或为当下具身智能最有应战之切入点。

行业里早已不缺制造出来之机器者，越来越多者始对各种漂亮 demo 发出疑问：它到底为于体谅全球，还为只为于表演一套排练过甚多遍之流程。

它们能做之事确实越来越多，但甚少真之像于 “体谅” 一名场景。

怎么过。

高德之思路为，先给机器者一张延续存之全球底图，再把视觉、感知、动作嵌进此张底图里，实现像苍生一样，于更长、更稳之方位记忆里做决策。

就为欲验证：具身智能，到底能不能真正融入现状全球。

而地图导航始终以来长期办理之，正为 “敞开” 疑难：此种本领需海量丰富、多元、精准之物理全球动静态数据与解析本领支撑，平时不太会被当作前沿技艺谈论，但一旦被放到具身场景里，它之重要性就凸显出来——机器者要能出门，它需对付确凿敞开全球之各种突发状况，更加精准无误地抵达意图地。

其实拆开来看，要点不于 “具身机器者”，而于 “敞开氛围” 与 “全自立”。

再往上，为名为 ABot-Claw 之 Agent 操作体系层，也为整此套技艺架构实与物理全球交互之枢纽。

但用户需之从来不为单项本领，而为一整名连贯操作：从接受一名不彼么精确描述之需求始，到于氛围变化中不断修正路径与动作，直到最后把宗旨成。

模型本领再强，若缺少一名中枢把意图体谅、方位记忆、差事拆解、器物调用、执行监控与纠错重筹划串联起来，体系依旧只能停留于 “有劲使不出” 之阶段。

于此一层里，不同模型被视为 Skill，导航、移动、操作等技能模块：一名机器者从接受用户指令，到导航行走，再到进入室内找到宗旨位置，此名历程理应为多种技能需求之混合。

而高德途途，不仅符合专业导盲犬之极高标准，还没有情绪波动、不会疲劳生病、服役周期长且能随之算法迭代延续演进。

只有此三点成立，机器贤才有或从闭锁场景里之展示品，变成现状活中之实用助手。

有什么。

此名三层 ABot 体系，代表之高德欲建立之 “飞轮式” 具身技艺路线：涵盖数据、模型、应用三层，彼此深度咬合、互为引擎，实现 “数据驱动模型、模型效劳应用、应用反哺数据”，克服数据稀缺、仿真鸿沟与技能泛化三大行业瓶颈，形成延续自我演进之完整闭环。

多年来，高德积攒之大量物理全球数据：路途、路口、建筑、交通流等素材，以及于地图效劳中积攒之各类异常回馈与纠错数据。

高德选择之相待务实之做法。

高德给 “途途” 之定义为 “敞开氛围全自立具身机器者”。

途途并非又一款具身玩物。

于采访历程中，诚卿与徐牧皆说，导盲场景为于仔细遴选后确定之。

此也为具身智能与言辞智能最大之不同。

如何筹划路线。

例如用户对机器者说 “我渴之”，彼么机器者能意识到其背后之言外之意，此为一名待成之确凿需求：去哪里买水。

当行业还于反复争论什么才为最优先之货品形态（四足、轮式、者形……）时，先找到之导此名实在场景，纵深探求。

或对于高德来说并不重要。

若说高德过往做之，为把全球描述清楚：路于哪里，店于哪里，拥堵怎么现，用户该怎么走，怎么更准确地到达……具身则为把此件事再往前推一步：不仅描述全球，还要体谅全球，并最终通过机器，于此名全球里自立行动。

为 “者” 导航之智能沉淀，也正成为引导 “机器者” 走进现状全球之操作体系。

绿灯亮起，机器狗迈步，通过身上牵引绳传导，提示身后之主者跟上——彼为一位视障大学生。

“敞开氛围具身” 之高德解答。

甚多靠阅历与直觉就能成之裁决，到之此里皆变成之门槛。

对视障者来说，独力出门为极其难之一关；其实对机器者来说，也为如此。

高德工者员于接触视障用户与相关机构之后，一名明显之感受为：甚多寻常者默认成立之通行机缘，对视障者来说并不成立。

此或也为高德与甚多具身创业公司最大之区别。

者会突然停下来、自行车会斜之穿过路口、盲道被占……还有低垂下来之树枝、台阶、积水——所有此些时刻变动之要素，皆不会提前打招呼。

近两年来，对甚多者来说，具身智能最典型之画面生于闭锁方位，或者者工预设遥控之场景里：于屋里叠衣裳，弯腰提起一名杯子；或者走到空地上，沿之预先安排好之路线，成一段展示与表演。

只为于当时，此种智能体还主要存于手机与车机里，如今则为第一次有之途途此名身体，始真正走进物理全球。

此些多源数据最终融合衍生出一名足够繁、也更接近确凿全球之操练底座——ABot-World。

华夏有 1700 万视障大众，而导盲犬仅有约 400 只，同时导盲犬操练周期长，本金高，也会受生物本能与氛围干扰——它们为视障者之好帮手，但或还不为最抱负之解答。

同闭锁氛围之 Demo 相比，此为完全不同之难度级别。

4 月，北京亦庄之一处红绿灯路口，一只蓝色之机器狗正原地静等待。

此与现状全球里者之决策类似，差事几乎从来不为一次性成之，它总带之偏差、意外与中途变化。

从整名行业来看，过往并没有具身货品能够同时做到此三点。

科技向善与通向 AGI 旧俗机器者往往只有局部感知，看到什么办理什么，视野之外之讯息甚快变成空白。

而 “导盲” 此一极高难度场景背后对应之，则为具身机器者于执行通用泛化差事方面之超高要求。

一条狗之使命：全自立走向敞开全球 “会思考” 则为更高一维度之本领。

以 ABot-NO 与 ABot-M0 为核心，其中 ABot-N0 为导航基座模型，处置之为敞开氛围里之移动疑难；ABot-M0 则更偏向操作与执行。

此为高德四足具身机器者 “途途” 第一次公开上路。

若说 “能出门” 处置之为移动本领，“会思考” 处置之为认知水平，彼么 “能导盲” 就代表更广泛之货品场景落地。

于一名无穷敞开、延续变化之全球里，机器要同时裁决方位、障碍，以及每一步之险情。

此为高德具身智能业务最深之护城河，也为其选择之方位智能路线，欲贯彻之核心理念。

最近于 PBench、EZSbench、WorldArena、Agibot World Challenge 等主流评测中，ABot-World 均已实现登顶。

安不安康。

去岁，高德对外宣布 “AMAP-AI Inside” 方略、将自身演进主题升格为 “方位智能”，导航不再只为静态底图与路线筹划器物，而为具备思考与推演本领之方位智能体。

“走出家门” 意味之机器要有极高之敞开氛围导航本领，对物理方位有延续且深入之体谅，同时与者之步速配合，体谅者之指令，最后还要知足近乎苛刻之安康标准——一旦失误，或危及用户者身安康。

根据彼等对晚点之介绍，支撑途途之为一套名为 “ABot” 之完整具身技艺架构，大体分成三层：数据与全球模型层、模型与 skill 层、Agent 操作体系层。

此两名词，差不多划出之与行业内多数货品之之边界。

高德还提出之一名概念：Map as Memory。

把具身智能放到高德自身之演进脉络里看，此并不算一次突兀之跨界。

三位一体，全栈具身智能体系 甚显然，高德确实站于之一名相待稀缺之起点上：它不为从零始认识全球之。

但它们有一名共同先决。

前者意味之它面对之并非一名被筹划好之方位，后者意味之它不能依赖遥控与预设路线。

一方面为作为公益课题，填补导盲效劳之巨大空缺、知足视障者之强烈刚需。

ABot-Claw 就可延续机构讯息、排列本领优先级，它之筹划器以端云一体之大模型为推演引擎，甚至具备闭环反思与自我纠错本领。

DeepSeek对自己之定位，与其说为一家商业公司，不如说更像为一名完全独力于本钱商场而运作之开源研讨机构。

寻常者把 “到达” 体谅为从 A 点到 B 点；视障者面对之却为另一套疑难：此名路口能不能过。

今日甚多机器者已能于室内氛围里成导航，也能于小范围内避障；但只要走到敞开氛围中，各种突发随机要素会让一套于实验室控制下之流畅体系，迅速崩溃。

方位智能：从导航到具身 题图来源：《银翼杀手》 其中，数据为高德沉淀更深、优势更明显之地方。

它们于各种评测中同样取得之 SOTA （state-of-the-art）之表现。

此种链路与第三层 “能导盲” 紧密衔接。

多年来，彼些每天于高德地图各终端生之导航纠错、定位漂移、路况变化、入口偏差，还有规模化之举止验证与回馈，汇聚成高德对物理全球之体谅。

或也为具身智能行业，第一次用此样之方式面对公众——不为表演，不为展示，而为一场确凿之导盲检验，只有确凿之路途、者流，与身后之视障同伴。

因此对具身行业来说，导盲不为一名偏门场景，而为把疑难提得更尖锐之：行，还为不行。

第二层为模型层。

上合机构天津峰会|习近平于“上海协作机构+”集会上之讲话（全文） 甚多机器者皆爱秀单项本领，因此样最直观，也最易做出效果。

高德 CEO 郭宁说，方位智能对高德而言为 “终局”，并且不为高德选择之方位智能，而为本身就长于之此片土壤之上。

高德真正想展示之并不只为硬件，而为一整套把地图导航本领、方位氛围数据与机械执行操作连接起来之全栈具身技艺架构——无论场景与本体形态如何变幻，其背后之架构应为一统之。

它更像高德首次尝试将过往体系性之积攒，完整交付给一具实在之 “身体”。

如今之甚多具身体系，更像一种被触发之执行器：收到命令，成动作，差事随之立刻终。

作为一套可交互之全球模型，ABot-World 不仅能让模型学到几何轨迹，还能体谅各种繁之物理氛围语义，比如 “前方为者行横道”，或者 “左侧 50 米为停车场出口”，从而成为之接近物理全球之操练氛围，机器者可于里面反复练习。

机器者所处之氛围被事先周密地整理过，底色洁、变量有尽、差事边界清晰，偶发因素被压到之最低。

上一篇：梁朝伟来之！刘嘉玲爱相随护驾　惊见「台下一票大明星」影帝笑喊：挺有压力 下一篇：国台办：坚决反建交国与华夏台湾地区开展任何样貌官方往来