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

背景

当前具身 AI 正处于从“模块化拼接”走向“原生自主智能”的关键转折点。现有 VLA 模型擅长生成动作，但受限于空间推理、长程规划与自我纠错；依靠多模型编排的 AI 智能体系统虽能完成复杂流程，却因缺乏统一的认知表征导致接口割裂、误差累积与系统迟滞。在这一背景下，大晓机器人正式开源新一代统一具身基模型 ACE-Brain-0.5，面向 Physical Agentic AI 这一新范式，旨在让机器人能在真实物理世界中围绕目标自主感知环境、理解任务、规划、行动，并在交互反馈中持续调整和进化。

核心内容

ACE-Brain-0.5 是 ACE-Brain-0 的重大升级，以空间智能为底座，将机器人基础模型从“理解世界”推进至“理解、规划、行动、评估、进化”一体化的闭环认知阶段。模型在单一 8B 参数主干下，统一整合空间感知、决策规划、具身交互与自我评估四大核心能力，并通过 SSR+ 训练策略协调 Grounding、导航、操作和进度评估等异质接口。

范式创新：重新定义具身基模型

ACE-Brain-0.5 属于具身智能的第四阶段——将感知、规划、执行、评估和自我进化统一到同一模型中，区别于第一阶段（模块化拆分）、第二阶段（端到端动作策略）和第三阶段（多模型智能体）。这一范式变化使机器人开始具备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

传统机器人系统依赖多个专用模块拼接完成认知闭环，链路越长，接口越多，误差累积越严重。ACE-Brain-0.5 将这一闭环放入统一模型，使机器人具备“自我检查”能力：持续判断自己离目标的远近，任务停滞或偏差时可触发恢复、纠错和重新规划。

架构创新：双时间尺度（慢脑+快脑）

模型引入“双时间尺度”架构：

• 慢脑：通过视觉编码器与大语言模型融合用户指令、单视图、多视图和自我中心视频，形成高层具身状态，用于空间感知、任务分解、状态感知和高层规划。
• 快脑：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，提供实时视觉反馈并生成导航、操作等低延迟动作输出。

两者协同，使模型不仅是理解模型，也不是单一动作策略，而是一个真正面向物理执行的闭环认知系统。

训练创新：SSR+ 策略

SSR+ 在 ACE-Brain-0 的 Scaffold-Specialize-Reconcile 基础上加入 Reactivate 阶段：

1. 先训练多个专门化 Checkpoint（面向 QA、Grounding、导航、操作和进度评估）。
2. 通过任务向量合并完成能力调和，将不同具身技能纳入同一参数空间。
3. 最后使用轻量级混合 SFT 重新激活任务能力、校准输出接口、减少冲突，并恢复不同任务之间的切换能力。

该策略使多种机器人专家能力在同一个基础模型中稳定共存、协同调用。

全链路评测成绩

在国际权威具身智能评测中，ACE-Brain-0.5 系统性超越 OpenAI GPT-5.4、Google 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 等主流模型。具体维度：

• 空间认知与具身推理：在 VSI、MMSI、MindCube、ScanQA、SQA3D、ScanRefer、Multi3DRef、RefSpatial、PointArena、RoboAfford 等 18 个基准中的 14 项超过前代 ACE-Brain-0。MindCube 达 86.3%，SQA3D 达 62.6%，Multi3DRef 达 72.4%，ScanRefer 达 70.2%。
• 具身导航：在 VLN-CE 的 R2R Val-Unseen 上取得 57.4% SR 和 51.7% SPL，超越 NaVid（41.9%/36.5%）与 Uni-NaVid（47.0%/42.7%）；Specialist 版本进一步提升至 62.2% SR 与 56.2% SPL。在 RxR Val-Unseen 上达到 63.8% SR、47.9% SPL 和 64.6 nDTW。
• 机器人操作：在 LIBERO 上取得 98.2% 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%）；Spatial 与 Object 套件均达 100.0%，Long 任务达 97.0%。在 SimplerEnv-Bridge 上取得 82.3% 平均成功率，刷新 SOTA。
• 进度评估：在 Robometer 的 RBM-EVAL-ID 上 VOC 相关性达 0.94/0.80，在 RBM-EVAL-OOD 上达 0.96/0.88，显著领先 Robometer-4B 和 RoboReward-8B。

关键要点

• ACE-Brain-0.5 是面向 Physical Agentic AI 的统一具身基模型，兼具空间感知、决策规划、具身交互与自我评估四大能力。
• 单一 8B 参数主干，无需依赖多模型编排或任务专用模型。
• 范式上属于第四阶段（统一认知架构），从模块化流水线、VLA 动作策略、多模型智能体演进而来。
• 架构采用双时间尺度协同：慢脑负责高层感知与规划，快脑负责低延迟动作执行。
• 训练使用 SSR+ 策略，通过专门化 checkpoint 合并 + 任务向量调和 + 轻量级混合 SFT 解决多能力冲突。
• 在空间认知、导航、操作、进度评估四大类国际基准中均取得 SOTA，系统性超越多款开源与闭源模型（GPT-5.4、Gemini-2.5-Pro、Claude-Sonnet-4.6、GR00T N1.6、π₀/π₀.₅ 等）。
• 已完成开源，供全球开发者使用和验证。

意义与影响

ACE-Brain-0.5 的意义不仅在于单项指标领先，更在于为 Physical Agentic AI 提供了一条可落地的统一建模路径。它证明了统一具身基模型能够在一个“大脑”中贯通从空间理解、导航决策、操作执行到自我监控的全链路，从而推动机器人基础模型从单点能力竞争走向面向真实物理世界的系统级智能。

对于自动驾驶、低空经济、工业机器人、家庭服务等真实场景，一个具备闭环认知能力的统一基模型有望成为物理世界 AI 规模化应用的基础。大晓机器人选择开源该模型，将有助于全球开发者共同验证、完善和扩展统一具身基模型，加速 Physical Agentic AI 在真实任务和场景中的持续演进。