AutoNavi ra mắt mô hình nền tảng thể hiện ABot-M0 và ABot-N0, dẫn đầu 10 bảng xếp hạng toàn cầu

AutoNavi ra mắt chuỗi mô hình nền tảng thể hiện ABot

Ngày 12 tháng 2, AutoNavi, công ty thuộc tập đoàn Alibaba, đã công bố dòng mô hình nền tảng thể hiện ABot với hai phiên bản chính: ABot-M0 dành cho thao tác robot và ABot-N0 dành cho điều hướng. Cả hai đều đạt các kết quả xuất sắc, dẫn đầu 10 bảng xếp hạng hàng đầu toàn cầu.

ABot-M0: Mô hình nền tảng thao tác robot hàng đầu thế giới

ABot-M0 được xem là mô hình nền tảng kiến trúc thống nhất đầu tiên trên thế giới dành cho thao tác robot. Mô hình chuẩn hóa hệ tọa độ, tần số điều khiển và mô hình chuyển động gia tăng, giúp tích hợp dữ liệu quỹ đạo từ các nền tảng khác nhau.

Dữ liệu đào tạo của ABot-M0 được xây dựng hoàn toàn từ nguồn công khai, bao gồm hơn 9.500 giờ dữ liệu, 6 triệu quỹ đạo và dữ liệu trên hơn 20 dạng thể hiện khác nhau.

Cải tiến thuật toán nổi bật

Nhóm phát triển đã áp dụng phương pháp Học Đa Tác Vụ (Action Manifold Learning - AML) cùng việc tích hợp mô-đun nhận thức 3D nhằm nâng cao hiểu biết không gian và ngữ nghĩa.

Trên bảng xếp hạng Libero-Plus, ABot-M0 đạt tỉ lệ thành công 80,5%, cao hơn gần 30 điểm phần trăm so với phương pháp xếp hạng hàng đầu trước đó.

ABot-N0: Mô hình điều hướng nền tảng thống nhất dựa trên VLA

ABot-N0 là mô hình nền tảng điều hướng đầu tiên dựa trên VLA (Vision-Language Action) cho phép hợp nhất năm nhiệm vụ điều hướng cốt lõi:

• Điều hướng điểm tới điểm
• Điều hướng đối tượng
• Theo dõi hướng dẫn
• Điều hướng điểm quan tâm (POI)
• Theo dõi người đi bộ

Mô hình áp dụng kiến trúc "não–hành động" phân tầng, trong đó:

• Mô-đun nhận thức dựa trên mô hình ngôn ngữ lớn (LLM) được tiền huấn luyện, chịu trách nhiệm hiểu ngữ nghĩa và phân tích nhiệm vụ
• Các chuyên gia hành động tạo ra quỹ đạo chính xác thông qua kỹ thuật khớp luồng (flow matching)

Dữ liệu và thành tựu vượt trội

AutoNavi đã xây dựng hệ thống dữ liệu điều hướng với gần 8.000 cảnh 3D độ phân giải cao cùng khoảng 17 triệu lần trình diễn của chuyên gia.

Mô hình thiết lập nhiều kỷ lục mới trên 7 bảng đánh giá chính, bao gồm CityWalker, SocNav, R2R-CE/RxR-CE và HM3D-OVON.

Tại mô phỏng vòng lặp đóng SocNav, tỉ lệ thành công tăng 40,5%. Trong khi đó, tỉ lệ thành công điều hướng đối tượng trên HM3D-OVON cải thiện 8,8%.

Đáng chú ý, AutoNavi cho biết ABot-N0 đã được triển khai trên các robot bốn chân thực tế, đạt hiệu quả trong suy luận thiết bị biên và kiểm soát vòng lặp đóng.

Nguồn: Minds in AI