六项成绩超越GPT-6 Astra，上海独角兽发布9B具身模型

机器人前瞻（公众号：robot_pro）
作者 周加琦
编辑 漠影

机器人前瞻10月19日报道，今天，大晓机器人发布全新视觉空间锚定增强型具身模型ACE-Brain-0.6。

ACE-Brain-0.6不仅包含感知、规划、行动、评估与进化的统一认知闭环，还更进一步强调Grounding能力。通过规模化、多样化、可验证的空间监督数据，提升该模型在目标识别、空间定位与交互锚定等方面的能力，增强其对复杂空间关系的理解与具身交互能力。

在八项Grounding评测中，ACE-Brain-0.6六项成绩超越GPT-6 Astra；七项公开基准平均得分74.53分，领先GPT-6 Astra的73.68分。

一、9B模型实现精准定位与交互理解

机器人要完成真实操作，不仅需要理解任务，还要准确识别目标物体、判断空间关系，确定具体的交互位置。

例如，机器人接到拿起杯子的指令后，需要从场景中找到对应物体；当画面存在多个相似目标时，还需要根据颜色、位置等条件进行区分，并判断具体抓取哪个地方。

ACE-Brain-0.6重点强化的视觉空间锚定能力，让模型将语言指令与场景中的物体、位置及交互区域准确对应。

具体来看，该模型主要覆盖四类能力：

一是目标识别，根据语言描述定位指定物体，区分场景中的不同目标；二是视觉计数，识别并统计画面中符合条件的物体数量。

三是空间定位，理解物体之间的相对位置关系，例如判断某个杯子的左侧区域；四是交互定位，结合物体结构与功能，确定适合抓取、接触或操作的位置。例如，在厨房场景中识别锅柄，定位机器人可以抓取的区域。

在技术架构上，ACE-Brain-0.6基于Qwen3.5-9B模型构建，通过空间感知数据进行监督微调，重点训练模型输出与目标位置、空间关系及交互区域有关的信息。

二、平均得分74.53，八项评测六项超越GPT-6 Astra

为了验证ACE-Brain-0.6的空间感知能力，大晓机器人选取了八项Grounding评测，将其与GPT-6 Astra、Claude Opus 5.5及多款开源模型进行对比。这些评测覆盖目标指代、视觉计数、空间定位、物体功能理解与交互区域预测等不同能力维度。

结果显示，ACE-Brain-0.6在八项测试中，有六项超过GPT-6 Astra。

其中，在Where2Place评测中，ACE-Brain-0.6获得76.55分，GPT-6 Astra为71.10分；在RoboSpatial评测中，两者分别获得74.82分和69.55分。

在侧重物体功能与操作区域理解的RoboAfford评测中，ACE-Brain-0.6取得88.51分，高于GPT-6 Astra的84.94分。

其他三项领先的评测分别为PixMo-Count、ShareRobot和RobotGrounding，ACE-Brain-0.6分别获得89.41分、49.70分和94.13分，对应GPT-6 Astra的成绩为88.10分、46.60分和91.10分。

在七项公开基准测试中，ACE-Brain-0.6平均得分为74.53分，GPT-6 Astra为73.68分，前者高出0.85分。

除了公开评测，大晓机器人还构建了一套面向机器人真实场景的RobotGrounding测试集。该测试集包含2591道问题，涉及14类任务，涵盖目标定位、小物体识别、多实例计数、目标缺失判断以及跨相机视角对应等能力。

最终，ACE-Brain-0.6取得94.13分，领先GPT-6 Astra约3.03分。

此外，ACE-Brain-0.6还与Google Gemini 4 Argon、Anthropic Claude Opus 5.5，以及阿里巴巴达摩院、北京智源研究院等机构的相关模型进行了比较。整体来看，ACE-Brain-0.6在多项空间定位与交互区域理解测试中取得领先优势。

三、整合30余个开源机器人数据家族，构建百万级空间监督数据

ACE-Brain-0.6此次能力提升的关键，在于通过扩大训练数据规模、丰富数据类型，强化模型的空间感知能力。

在数据方面，大晓机器人整合了30余个开源机器人数据家族及私有Ego数据，融合人类第一视角交互、物体与部件密集标注及三维空间数据，建立了一套自动化数据处理流程。

针对机器人操作视频，团队根据夹爪状态与动作幅度筛选关键帧，再利用Grounding DINO、SAM 3等视觉工具完成物体定位和区域标注，进一步生成目标识别、视觉计数、空间关系及交互位置等多类型问答数据。

同时，团队通过标注校验、答案均衡及评测数据排除等机制，提高训练数据质量。最终，团队构建了约百万条训练样本，包含94万张不同图像和270万组问答对。

在模型训练方面，ACE-Brain-0.6基于Qwen3.5-9B，冻结视觉编码器，对语言模型参数进行监督微调。

为了验证数据规模对模型能力的影响，团队还开展了对照实验。在保持模型架构和训练方法不变的情况下，训练数据从26万条增加至百万条，七项公开评测平均得分由69.3分提升至74.5分。实验显示，数据规模每翻倍，综合得分平均提高约2.4分。不过，单纯增加已有类型的数据，成绩提升不足1分。

这表明，除数据规模外，增加场景、空间关系及监督任务的多样性，同样是提升模型空间感知能力的重要因素。

结语：强化空间理解，让机器人更精准地感知物理世界

精准的空间感知是机器人理解任务、完成操作的重要基础。如何让模型准确识别目标、理解空间关系，并找到合适的交互位置，仍是提升机器人操作能力需要解决的问题。

此次ACE-Brain-0.6通过扩大高质量空间监督数据的规模与多样性，在不增加模型参数规模的情况下，提升了多项空间感知任务的表现，也为具身模型的能力提升提供了新案例。

未来，这些能力能否进一步转化为实际场景中的操作精度、成功率及泛化能力，仍需要更多的真机验证。