9B模型赢了GPT-6 Astra！大晓机器人新模型专攻空间锚定

近日，大晓机器人发布视觉空间锚定增强型具身基模型ACE-Brain-0.6。该模型依托约百万条高质量、可验证的空间锚定训练样本，在八项Grounding评测中有六项得分超过OpenAI GPT-6 Astra，其中七项公开基准平均得分74.53分，高于GPT-6 Astra的73.68分；在真实机器人场景评测RobotGrounding中取得94.13分，超过GPT-6 Astra的91.10分。

Grounding即视觉空间锚定，是机器人识别目标物体、交互区域及空间参照，并结合几何计算确定位置、位移与运动参数的关键能力。大晓机器人分析认为，以GPT-6 Astra为代表的通用多模态模型正从回答关于世界的问题走向对物理世界采取行动，其具身泛化能力不仅依赖高级推理，也依赖空间感知与空间推理能力的提升。在放置水果篮、折叠T恤等机器人任务中，模型需要识别篮筐边缘与目标承载面，或提取衣物轮廓、估计尺寸并计算折叠距离。高级推理决定行动策略，精准空间感知则是将策略转化为物理操作的基础。即便是GPT-6 Astra，在细粒度几何定位和复杂空间关系判断方面仍存在局限；对文字问答而言，微小偏差或许无关紧要，但对机器人而言，可能直接影响抓取、放置乃至整个操作链路的可靠性。

围绕这一环节，ACE-Brain-0.6将物体识别、多实例定位、空间关系理解、功能区域识别及交互位置预测整合为统一的空间感知能力体系。团队在八项Grounding评测上对ACE-Brain-0.6与GPT-6 Astra、Claude Opus 5.5及多款开源具身模型进行统一评估，测试覆盖目标指代、视觉计数、空间定位、物体功能理解与交互区域预测等维度。结果显示，ACE-Brain-0.6在Where2Place、PixMo-Count、RoboSpatial、RoboAfford、ShareRobot和RobotGrounding六项评测中超过GPT-6 Astra，得分分别为76.55分对71.10分、89.41分对88.10分、74.82分对69.55分、88.51分对84.94分、49.70分对46.60分、94.13分对91.10分。在与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推出的代表性模型的横向对比中，ACE-Brain-0.6取得领先成绩。

RobotGrounding评测集由团队自建，包含2591个问题，覆盖目标定位、小物体识别、多实例计数、目标缺失判断及跨相机视角对应等14类任务。ACE-Brain-0.6在该评测中领先GPT-6 Astra约3.03分。其中，模型对“不存在的目标”的识别能力有所提升：当用户要求机器人寻找场景中并不存在的物品时，模型需准确判断目标缺失，而非生成看似合理却实际错误的位置。在真实操作中，机器人既要知道该对什么采取行动，也要知道什么时候不应贸然行动。

ACE-Brain-0.6的另一项核心工作，是建立面向具身空间理解的统一数据构建流程。机器人交互数据包含连续视觉观测、动作轨迹与任务指令，但缺乏细粒度的物体位置、功能区域和空间关系标注。大晓机器人整合30余个开源机器人数据家族和私有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，将异构数据统一转化为可验证的空间锚定监督信号。针对机器人操作视频，系统依据夹爪状态与动作幅度筛选关键帧，自动构建场景物体词表，并结合GroundingDINO、SAM3等视觉工具完成物体定位、区域识别和语义校正，生成目标指代、计数、空间关系、交互位置及目标不存在判断等多类型问答数据。团队还通过标注校验、答案均衡及评测数据排除等机制，减少错误监督与捷径学习干扰。最终构建约百万条训练样本，涉及约94万张不同图像和270万组问答对。模型基于Qwen3.5-9B，冻结视觉编码器，仅对语言模型参数进行监督微调，并通过统一接口完成空间坐标、目标区域、计数及判断结果预测。

在保持模型架构与训练方法不变的条件下，团队将训练数据从26万条逐步扩展至百万条，七项公开评测平均得分由69.3分提升至74.5分，呈近似对数线性增长；训练数据规模每翻倍，综合得分平均提升约2.4分。研究同时发现，单纯增加已有数据类型的样本，性能提升不足1分；持续引入新场景、新空间关系及多样化监督形式，是拓展模型空间理解边界的主要因素。

大晓机器人方面表示，空间锚定不仅要回答“目标在哪里”，还要理解“这个位置为什么能够支持行动”。从视觉坐标到空间约束，从物体定位到交互可行性，模型需持续吸收更丰富的物理监督信号。无论是零售分拣、物流操作还是服务机器人应用，精准识别目标、定位抓取区域与理解放置空间，都是实现可靠执行的前提。此次ACE-Brain-0.6以9B级模型在六项Grounding评测中超过GPT-6 Astra，验证了高质量空间锚定数据规模化构建的技术潜力。

原标题：《9B模型赢了GPT-6 Astra！大晓机器人新模型专攻空间锚定》