登頂多項全球 SOTA！大曉全開源首個「統一具身基模型」ACE-Brain-0.5

大曉機器人近日正式對外開源新一代統一具身基模型 ACE-Brain-0.5，此舉被業界視為實體層級自主人工智慧邁向成熟的重要里程碑。不同於以往僅停留於感知或反應的機器人模型，ACE-Brain-0.5 將機器人的認知進程從單純的「理解世界」一舉推進至涵蓋理解、規劃、行動、評估與進化的完整閉環，為機器人賦予接近人類直覺的環境互動能力。該模型的開源不僅釋出了核心技術架構，也為全球開發者提供了一個可直接用於真實物理環境的統一認知底座，進一步加速具身智慧從實驗室走向實際應用的進程。 此次發佈的 ACE-Brain-0.5 是大曉機器人先前 ACE-Brain-0 的重大升級版本，其最大亮點在於以空間智慧為核心基礎，將機器人基礎模型整合為一個不需模組拼接的完整神經網路系統。在僅有 8B 參數的單一主幹架構下，該模型統一納入了空間感知、決策規劃、具身交互與自我評估等四大核心能力，並透過大曉自主研發的 SSR+ 訓練策略，有效協調包括環境定位（Grounding）、導航、操作控制與進度評估等異質性接口。這項設計使模型能在不依賴外部輔助系統的情況下，獨自完成從視覺理解到肢體動作輸出的完整運算鏈路，大幅降低傳統多模型協作所帶來的延遲與誤差。 在當前具身人工智慧的發展進程中，技術路線正面臨從「模塊化拼接」走向「原生自主智能」的關鍵轉折點。過往的主流解決方案多採用功能分工的系統架構，例如將視覺辨識、路徑規劃與動作生成分別交由不同模型處理，最後再透過中介軟體進行整合。然而，這種架構雖然在特定任務中展現出可靠性，卻也暴露出接口標準不一、誤差在各模組間累積放大，以及整體反應速度受限等結構性問題。ACE-Brain-0.5 的出現正是為了解決上述痛點，其以單一基模型貫穿物理智能體的完整認知鏈路，讓機器人僅靠一個「大腦」就能協調從環境解讀到任務執行的所有環節，無需依賴外部輔助系統進行頻繁的資料交換與格式轉換。 大曉機器人研究團隊指出，ACE-Brain-0.5 特別針對 Physical Agentic AI 此一全新範式進行最佳化。所謂 Physical Agentic AI，指的是在真實物理世界中，能夠圍繞給定目標自主感知環境變化、理解任務語義、規劃執行路徑、採取具體行動，並在與環境互動所獲得的反饋中持續調整策略與進化能力的智慧系統。這與當前多數僅能在模擬環境或高度結構化場景中運作的 VLA（視覺－語言－動作）模型有本質上的不同。現有的 VLA 模型雖在動作生成方面表現出色，但往往缺乏對三維空間關係的精細推理，也難以勝任需要多步驟規劃的長程任務，一旦執行過程中出現預期外的狀況，系統便缺乏有效的自我糾錯機制。 ACE-Brain-0.5 所採用的統一表徵架構，則從根本上改善了這個困境。透過將空間感知與決策規劃置於同一參數空間中進行聯合最佳化，模型能夠在理解當下場景的同時，預測不同行動選項可能導致的結果，並基於內建的評估模組對執行進度進行即時檢核。這種設計使得機器人不僅能「看見」環境，更能「理解」環境中物體之間的關聯性與因果關係，進而做出符合任務目標的決策。例如在物品抓取與擺放的任務中，模型不僅能辨識目標物體的方位，還能根據周圍障礙物的分佈動態調整手臂行進軌跡，並在抓取失敗時自動判斷原因，嘗試更換施力點或角度，而非單純重複失敗的動作。 在技術實現層面，ACE-Brain-0.5 的訓練過程採用了大曉機器人專為異質接口設計的 SSR+ 策略。這套策略的核心在於，能夠在單一模型內同時最佳化性質差異極大的多種輸出目標，包括離散的導航決策、連續的關節角度控制，以及用於評估任務完成度的進度分數。傳統上，這些不同類型的輸出往往需要分別設計損失函數與最佳化策略，導致模型在訓練過程中難以取得平衡。SSR+ 透過重新設計權重調整機制與梯度的傳遞路徑，使模型能在不犧牲任一面向效能的前提下，同步提升各項能力的表現水準，進而確保 ACE-Brain-0.5 在實際部署時能夠展現穩定且全面的智慧水準。 業界分析認為，大曉機器人選擇將 ACE-Brain-0.5 以開源形式釋出，對於全球機器人與人工智慧研究社群具有重要意義。一直以來，具身智慧領域缺乏一個真正開放且具備完整認知能力的基線模型，多數開源專案僅涵蓋感知或控制等單一面向，研究人員若想進行完整的系統級實驗，往往需要自行拼接多個來源的模組，不僅耗時費力，也難以確保各模組之間的相容性。ACE-Brain-0.5 的開源填補了這項空白，提供了一個具備空間感知、決策規劃、執行控制與自我評估等完整功能的統一模型，讓研究人員可以直接在此基礎上進行後續的任務微調與延伸開發，大幅降低進入門檻並加速技術迭代。 大曉機器人團隊強調，ACE-Brain-0.5 的開源只是該公司長期技術願景的第一步。此一統一具身基模型的設計初衷，是為了替未來物理智能體邁向持續自我進化奠定一個可擴展且統一的認知基礎。團隊認為，隨著模型參數的進一步擴充以及訓練資料的持續累積，ACE-Brain 系列的下一代版本將有望展現更強大的泛化能力與更快速的線上學習效率，使機器人能夠在完全未知的環境中，僅憑少數嘗試便掌握新的技能。屆時，機器人將不再只是執行預設程式的工具，而是具備持續成長潛力的自主智慧體，能夠真正融入人類日常生活的多元場景，從家庭服務、醫療照護到工業製造與災害應變，都有望受惠於此一技術的演進。 整體而言，ACE-Brain-0.5 的發佈與開源，不僅象徵著大曉機器人在統一具身基模型技術路徑上的領先地位，更為整個人工智慧產業指明了一個具體可行的發展方向。當業界仍在爭論多模型協作與單一通用模型何者為最終解方時，大曉以實際的系統表現證明了統一表徵架構在兼顧效能、速度與擴充性上的巨大潛力。隨著更多開發者投入此一開源生態系的建設，未來一年內可以預期將有大量基於 ACE-Brain-0.5 的應用創新與技術突破陸續湧現，真正推動具身智慧從學術研究的前沿，走向改變人類生活的實際場景。