登顶多项全球 SOTA！大晓全开源首个「统一具身基模型」ACE-Brain-0.5

发布时间：2026-07-17 09:40:11 来源：安智兰德资讯网 作者：焦点

近日，登顶多项大晓大晓机器人正式开源新一代统一具身基模型 ACE-Brain-0.5。全球全开该模型面向 Physical Agentic AI（物理智能体AI）这一全新范式，源首旨在推动具身智能从实验室走向真实物理世界的个统自主执行。

Physical Agentic AI 指的具身基模是能够在真实物理环境中，围绕既定目标自主完成环境感知、登顶多项大晓任务理解、全球全开路径规划、源首动作执行，个统并在交互反馈中持续调整与进化的具身基模智能体。作为 ACE-Brain-0 的登顶多项大晓重大迭代，ACE-Brain-0.5 以空间智能为基石，全球全开将机器人基础模型的源首能力边界从单纯的“理解世界”拓展至“理解、规划、个统行动、具身基模评估、进化”一体化的闭环认知阶段。

在仅拥有 8B 参数的主干网络下，该模型统一整合了空间感知、决策规划、具身交互与自我评估四大核心能力。通过创新的 SSR+训练策略，模型有效协调了 Grounding（接地）、导航、操作和进度评估等异构接口，为物理智能体迈向持续自我进化奠定了统一且可扩展的认知底座。

行业痛点与系统性回应

当前，具身 AI 正处于从“模块化拼接”向“原生自主智能”跨越的关键转折点。

• 现有 VLA 模型的局限：虽然擅长生成动作，但往往受限于空间推理能力不足、长程规划缺失以及自我纠错机制薄弱。
• 多模型编排系统的缺陷：尽管能完成复杂流程，但缺乏统一的认知表征，导致接口割裂、误差累积及系统响应迟滞。

ACE-Brain-0.5 正是对这一行业痛点的系统性回应。它通过单一统一具身基模型贯通物理智能体的认知链路，使机器人能够在同一个“大脑”中完成从环境解读、任务拆解、物理执行到进展评估的全过程。

全球 SOTA 表现

在多项国际权威具身智能评测中，ACE-Brain-0.5 以单一 8B 参数模型，系统性超越了包括 OpenAI GPT-5.4、谷歌 Gemini-2.5-Pro、Anthropic Claude-Sonnet-4.6、英伟达 GR00T N1.6、Physical Intelligence π₀/π₀.₅、OpenVLA、Qwen-VLA-Instruct、NaVid、Uni-NaVid、RoboReward、Robometer 等在内的全球主流开源与闭源模型。

不同于依赖任务专用模型或多模型拼接的传统路线，ACE-Brain-0.5 在同一基模型中实现了空间理解、导航决策、机器人操作与自我评估的全链路贯通，展现出全链路全球第一的技术实力。这些多维度 SOTA 结果表明，统一具身基模型正在推动机器人基础模型从单点能力竞争，转向面向真实物理世界的系统级智能竞争。

范式创新：重新定义具身基模型

ACE-Brain-0.5 重新定义了统一具身基模型的发展阶段：

1. 第一阶段：将感知、规划、执行拆分为独立模块，具备可解释性但难以适应开放复杂环境。
2. 第二阶段：具身模型直接从观测生成动作，提升端到端操作能力，但缺乏空间理解、长程规划与执行评估。
3. 第三阶段：多个机器人智能体通过大语言模型调度工具和专家模块协作，但本质仍是多模型协作，难以形成统一认知表征。
4. 第四阶段（ACE-Brain-0.5）：面向 Physical Agentic AI，将感知、规划、执行、评估和自我进化统一于同一模型中。

这一阶段标志着机器人基础模型从模块化流水线、VLA 动作策略和多模型智能体，迈向统一认知架构的新阶段。其核心价值不仅在于让机器人“动起来”，更在于赋予其围绕真实世界目标进行感知、推理、行动与反馈的完整认知链路。

系统创新：建立感知-规划-行动-评估闭环

真实世界任务极少通过“一步动作”完成。以机器人前往酒店洗衣房清洗衣物为例：
1. 定位与识别：需定位洗衣房和洗衣机，识别舱门、按钮、洗涤剂及可操作区域。
2. 任务理解：理解“放入衣物、添加洗涤剂、选择程序”的执行顺序。
3. 连续操作：完成开门、投放、按键等动作。
4. 异常处理：若出现舱门未闭合或衣物卡滞，需判断问题所在并及时修正。

此类任务要求完整的认知闭环。传统系统依赖多模块拼接，链路越长，接口越多，误差累积和不稳定性越突出。ACE-Brain-0.5 的创新在于将这一闭环内置于统一模型中，赋予机器人“自我检查”能力——不仅执行动作，更持续判断自身与目标的距离。一旦任务停滞或偏差，自我监控信号即可为恢复、纠错和重新规划提供依据。

架构创新：慢脑理解规划，快脑实时控制

统一基模型应用于机器人控制面临现实挑战：高层任务理解需要强语义推理，而底层导航与控制要求低延迟和强反馈。

ACE-Brain-0.5 引入“双时间尺度”架构：
* 慢脑（高层）：通过视觉编码器与大语言模型融合用户指令、单/多视图及自我中心视频，形成高层具身状态，负责空间感知、任务分解、状态感知和高层规划。
* 快脑（底层）：通过快速视觉编码器与动作专家，直接接收最新多视角观测和动作噪声，提供实时视觉反馈，生成导航、操作等低延迟动作输出。

这种“慢脑”与“快脑”的协同机制，使 ACE-Brain-0.5 输出文本推理、区域框、指向、可供性和轨迹等结果，同时实现快速反应和动作执行，成为一个真正面向物理执行的闭环认知系统。

训练创新：SSR+ 策略实现全栈能力共存

将多种机器人能力统一到一个模型中，并非简单数据混合。空间问答、Grounding、导航、操作和进度评估不仅任务不同，输出接口也各异。直接混合训练易导致接口冲突，如保留任务知识却输出错误格式，或强化某项能力却干扰另一项。

ACE-Brain-0.5 的关键创新在于 SSR+训练策略。它在 ACE-Brain-0 的 Scaffold-Specialize-Reconcile 基础上加入 Reactivate阶段：
1. 专门化训练：先训练面向 QA、Grounding、导航、操作和进度评估的多个专门化 Checkpoint。
2. 能力调和：通过任务向量合并，将不同具身技能纳入同一参数空间。
3. 重新激活：使用轻量级混合 SFT 重新激活任务能力，校准输出接口，减少冲突，并恢复不同任务间的切换能力。

SSR+ 是一种面向统一具身基模型的实用能力调和策略，使多种机器人专家能力在同一基础模型中稳定共存、协同调用，合成为一个统一大脑。

全链路评测：统一大脑的可验证能力

ACE-Brain-0.5 在国际权威评测中系统性超越了主流闭源多模态模型、开源导航模型、VLA 操作模型与机器人奖励模型，斩获多项全球第一。

1. 具身空间感知与规划

在 VSI、MMSI、MindCube、ScanQA、SQA3D、ScanRefer、Multi3DRef、RefSpatial、PointArena、RoboAfford 等 18 个非空空间基准中，ACE-Brain-0.5 在 14 项上超过前代 ACE-Brain-0：
* MindCube：达到 86.3%（较前代提升 4.2%）。
* SQA3D：达到 62.6%（较前代提升 7.8%）。
* Multi3DRef：达到 72.4%（超越 ACE-Brain-0 的 55.9%）。
* ScanRefer：达到 70.2%。
* 其他提升：在 RefSpatial、PointArena、RoboAfford 等任务上分别实现 29.6、23.8、18.6 个百分点的大幅提升，证明空间智能已从单纯场景理解扩展到面向行动的空间推理。

2. 具身导航

在 VLN-CE 基准上表现稳健，显著优于 NaVid、Uni-NaVid 等主流开源模型：
* R2R Val-Unseen：成功率（SR）57.4%，路径效率加权成功率（SPL）51.7%（超越 NaVid 的 41.9%/36.5% 和 Uni-NaVid 的 47.0%/42.7%）。其 Specialist 版本进一步提升至 62.2% SR与 56.2% SPL。
* RxR Val-Unseen：达到 63.8% SR、47.9% SPL和 64.6 nDTW，整体领先 NaVid、Uni-NaVid、NaVILA 等开源基线，体现其在长程语言指令跟随、视觉历史整合和部分可观测场景决策中的综合能力。

3. 机器人操作

在 LIBERO 语言条件操作基准上取得 98.2%的平均成功率，超过 Qwen-VLA-Instruct（97.9%）、OpenVLA-OFT（97.1%）、GR00T N1.6（97.0%）、π₀.₅（96.9%）等强基线。其中 Spatial 与 Object 任务套件均达 100.0%，Long 长程任务达 97.0%。

在 SimplerEnv-Bridge 基准上，ACE-Brain-0.5-VLA 取得 82.3%的平均成功率，刷新该基准 SOTA，超过 GTA-VLA（81.2%）、X-VLA（76.0%）、Qwen-VLA-Instruct（73.7%）、Uni-VLA（69.8%），并在 Eggplant 任务上达到 100.0%，证明其具备强跨物体操作泛化能力。

4. 进度评估

在 Robometer 构建的 RBM-EVAL-ID 与 RBM-EVAL-OOD 基准上保持领先，展现自我监控能力：
* RBM-EVAL-ID：VOC 相关性达到 0.94/0.80，超过 Robometer-4B（0.92/0.78）、RoboReward-8B（0.82/0.51）。
* RBM-EVAL-OOD：达到 0.96/0.88，同样领先 Robometer-4B（0.94/0.81）与 RoboReward-8B（0.88/0.60）。

这表明模型不仅能在熟悉任务中判断执行进度，也能在未见本体、相机视角和场景中保持稳定评估能力。

面向 Physical Agentic AI，走向统一机器人认知架构

ACE-Brain-0.5 的意义不仅在于单项指标领先，更在于为 Physical Agentic AI 提供了一套可落地的统一建模路径。从 ACE-Brain-0 的空间智能底座，到 ACE-Brain-0.5 的统一闭环大脑，大晓机器人正沿着清晰的技术路线推进：先确立稳定的空间理解能力，再打通感知、规划、行动和评估的全链路，使模型逐步具备面向真实世界任务的闭环执行能力。

面向自动驾驶、低空经济、工业机器人、家庭服务等真实场景，一个能够看懂环境、规划步骤、执行动作并评估结果的统一具身基模型，将成为物理世界 AI 规模化应用的重要基础。ACE-Brain-0.5 现已正式开源，大晓机器人希望以此为起点，与全球开发者共同验证、完善和扩展统一具身基模型，让 Physical Agentic AI 在真实任务和实际场景中持续演进。

相关文章