10月19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。这个9B参数的模型由Qwen3.5-9B监督微调而来，据官方公布的材料，它在八项空间锚定评测中有六项成绩高于OpenAI GPT-6 Astra。
先说清楚视觉空间锚定是什么。用户对机器人说“把水果放进篮子”，模型不光要认出篮子和水果，还得判断篮筐边缘在哪、抓水果的哪个部位、往哪个方向放。这一步做不准，后面的动作就容易出错。
八项评测，六项领先
具体成绩方面，据大晓机器人公布的数据，ACE-Brain-0.6在Where2Place上得76.55分，高于GPT-6 Astra的71.10分；RoboSpatial拿到74.82分，对方是69.55分。
剩下三项里，RoboAfford为88.51分对84.94分，PixMo-Count、ShareRobot两项也是小幅领先。
在大晓自建的RobotGrounding评测里，这个模型拿到94.13分，比GPT-6 Astra的91.10分高出约3分，评测集有2591道题、覆盖14类任务。
七项国际公开基准的平均分是74.53分，对手为73.68分。
百万条样本从哪来
训练数据是这次更新的重点。团队整合了30多个开源机器人数据家族和自有的真人操作视角数据，融合人类操作记录、物体密集标注和三维空间信息，统一转成可验证的空间锚定监督信号，规模约100万条。
整条数据管线是自动跑的：先做数据采集，再按关键物体词表生成检测框与掩码自动标注，接着产出指认、计数、空间区域这类问答样本，随后用视觉模型逐条校验，并确认和评测集没有重叠。
为什么要专门练空间感
大晓方面的分析是，GPT-6 Astra这类通用多模态模型跨场景交互能力不弱，但要把推理结果落到实际动作上，靠的是精准的空间感知，细粒度的几何定位和空间关系判断，恰好是通用模型容易出错的地方。
官方材料还提到，与Google Gemini 4 Argon、Anthropic Claude Opus 5.5以及达摩院、智源等国内外模型横向对比，ACE-Brain-0.6都处在领先位置。
有个细节是“不存在的目标”识别：让机器人找场景里没有的东西时，它得判断出目标缺失，而不是硬指一个位置。这类判断对真实机器人操作很要紧，知道什么时候不该动手，和知道该做什么同样重要。
成绩有待第三方验证
需要说明的是，上述评测结果全部出自大晓机器人自己公布的材料，目前还没有第三方评测佐证，参与对比的多家模型也没有公开同口径的完整成绩，这些数字先按厂商口径看待。
背景方面，大晓机器人由商汤科技联合创始人王晓刚创立，主打具身智能和物理AI落地，自有ACE研发范式和“开悟”世界模型。ACE-Brain-0.6是ACE-Brain-0.5之后的新版本，把重心放在了空间锚定这一项能力上。
信息来源：IT之家、上观新闻（评测数据据大晓机器人公布材料）
相关阅读
DeepSeek上线搜索与抓取API 千次调用收费5元
Cloudflare开源多模态AI模型 能直接处理音视频
免责声明：本站转载的文章，版权归原作者所有；旨在传递信息，不代表本站的观点和立场。
