【TechWeb】9月5日，ICRA 2026赛季的AGIBOT World Challenge圆满结束。在世界模型赛道上，由高德与中科院自动化所联合成立的ABot-NeVeRse团队以0.29的优异成绩，成功击败150支参赛队伍，荣获第一名。
本届赛事涵盖推理、操作和世界模型三个赛道，吸引了来自27个国家和地区的数百支队伍参与。世界模型赛道集结了中科院工业人智能研究所、中科院计算技术研究所、中科大、重庆大学等众多顶尖科研机构和高校的优秀团队。
ABot-NeVeRse的胜利标志着高德在具身智能技术领域取得了显著进展。作为ABot全栈具身技术体系的一部分，高德在上个月正式发布了该技术体系。
ABot技术体系是高德在具身智能领域所构建的系统级架构，涵盖了数据、模型和应用三个层面。通过数据驱动模型并服务于应用，反过来又促进了数据的耦合设计，有效解决了具身智能在数据稀缺及仿真鸿沟等问题，构建了全球首个面向通用人工智能（AGI）的全栈具身技术体系。
此次夺冠的ABot-NeVeRse位于ABot体系的数据层，作为整个架构的核心支撑。与大语言模型相比，具身模型所需的训练数据极为稀缺，常规数据采集的成本是大语言模型的数倍，这直接限制了具身智能的进展。
高德的解决方案在于通过自研的世界模型批量合成高仿真训练数据，从而降低训练成本，并弥合Si-to-Real的技术鸿沟。这一方法是全球应对具身智能数据短缺的重要策略，但由于数据来自模型生成，因此对训练数据的抗幻觉能力和物理一致性要求极高。
本届比赛重点考核模型在给定初始视觉观测与机器人动作序列后的物理状态演变的精确推演能力，并增加了大量长尾交互挑战，考验世界模型在保证视频质量的同时，严格遵循物理规律，实现动作与结果的准确预测。
ABot-NeVeRse在多步复杂操作中成功保持了物体状态与运动结果的一致性，有效抑制了动作幻觉，最终不仅在总榜上夺得首位，还在Visual Quality（0.6246）与Action Following（0.9651）两个核心指标上取得了领先。这一成绩清晰地展示了ABot体系在数据治理与训练范式方面的卓越优势。
根据公开报道，在此次AGIBOT挑战赛之前，ABot体系已在15项权威测试中获得SOTA。这套经过国际严格验证的全栈底座，已直接部署在“高德途途”上，使其在复杂开放环境中具备了传统机器人所不具备的泛化理解与自主执行能力，实现了从算法突破到产品级全自主作业的飞跃。
