六项评测超越GPT-6 Astra！大晓ACE-Brain-0.6以数据Scaling推动具身空间智能跃迁
近期，以OpenAI GPT-6 Astra为代表的通用多模态模型展现出跨本体、跨场景、跨任务的通用交互能力。大晓机器人分析发现，相比GPT-5.5，GPT-6 Astra的视觉空间锚定（Visual Grounding）准确率显著提升，其具身泛化能力不仅依赖高级推理，更得益于空间感知与空间推理能力的跃升。Astra通过Grounding识别目标物体、交互区域及空间参照，结合几何计算确定位置、位移与运动参数，将抽象任务意图转化为具体物理动作。这为具身智能行业提供了启示：以视觉空间锚定为突破口，推动具身智能从高级认知迈向精准感知与可靠执行。
围绕这一方向，大晓机器人正式发布视觉空间锚定增强型具身基模型ACE-Brain-0.6。继ACE-Brain-0.5探索感知、规划、行动、评估与进化的统一认知闭环之后，ACE-Brain-0.6进一步聚焦Grounding能力，以GPT-6 Astra为参照，通过规模化、多样化、可验证的空间监督数据，强化目标识别、空间定位与交互锚定能力。
依托约百万条高质量、可验证的空间锚定训练样本，ACE-Brain-0.6在八项Grounding评测（七项国际权威公开基准及大晓自建RobotGrounding）中，六项成绩超越GPT-6 Astra；七项公开基准平均得分74.53分，领先Astra的73.68分；在RobotGrounding中取得94.13分，超越Astra的91.10分。在与Google Gemini 4 Argon、Anthropic Claude Opus 5.5以及阿里巴巴达摩院、北京智源研究院等国内外代表性模型的横向对比中，ACE-Brain-0.6同样取得领先成绩。
此次突破的意义不仅在于空间锚定能力超越GPT-6 Astra，更在于大晓机器人自主构建了一套规模化、自动化、可验证的数据管线，验证了具身基模型能力进化的新路径：通过多源数据融合、自动化空间标注与高质量监督数据构建，持续提升模型的物理空间感知能力，为打通“语言理解—空间感知—物理行动”的关键链路提供技术支撑。
从“看懂世界”到“找准目标”
通用多模态模型正从回答世界中的问题，走向尝试对物理世界采取行动。团队分析GPT-6 Astra执行机器人任务的过程发现：在放置水果篮案例中，模型需识别篮筐边缘与目标承载面，通过空间计算确定移动方向；在折叠T恤案例中，则需提取衣物轮廓、估计尺寸并计算折叠距离。高级推理决定行动策略，而精准空间感知是将策略转化为物理操作的基础。
然而，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。例如寻找特定物体前方的空闲位置时，模型可能误判至相邻区域。对于文字问答，微小偏差或许无关紧要；但对于机器人，却可能直接影响抓取、放置乃至整个操作链路的可靠性。
基于此，ACE-Brain-0.6聚焦视觉空间锚定，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，旨在回答：能否通过高质量数据的规模化，让一个9B模型在具身空间感知这一核心能力上达到甚至超越顶级通用模型。
9B模型挑战顶级通用模型
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了统一评估，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能力维度。ACE-Brain-0.6在六项评测中超越GPT-6 Astra，包括Where2Place（76.55 vs. 71.10）、PixMo-Count（89.41 vs. 88.10）、RoboSpatial（74.82 vs. 69.55）、RoboAfford（88.51 vs. 84.94）、ShareRobot（49.70 vs. 46.60）以及RobotGrounding（94.13 vs. 91.10）。七项公开基准综合成绩74.53分，领先GPT-6 Astra的73.68分。
为检验真实机器人场景适应能力，团队构建了RobotGrounding评测集，包含2591道问题，覆盖14类任务，包括目标定位、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。ACE-Brain-0.6取得94.13分，领先GPT-6 Astra约3.03分。尤其值得注意的是，模型对“不存在的目标”的识别能力显著提升：当用户要求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错误的位置。在真实操作中，机器人不仅要知道该对什么行动，也要知道什么时候不应贸然行动。
上述结果揭示了具身智能基础能力演进的重要方向：在直接决定物理操作精度与可靠性的关键感知环节，通过高质量数据驱动与针对性能力强化，9B级模型同样能够突破参数规模限制，形成比肩甚至超越顶级通用模型的专业能力。
百万条训练样本：让机器人数据转化为具身感知能力
ACE-Brain-0.6的另一项核心贡献，是建立了一套面向具身空间理解的统一数据构建流程。机器人交互数据虽包含连续视觉观测、动作轨迹与任务指令，却缺乏细粒度的物体位置、功能区域和空间关系标注。大晓机器人整合了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。关键不只是数据规模，更在于每个训练答案都具有明确、可核验的视觉依据。例如，只有物体实例标注完整时，才生成目标计数问题；对于目标不存在的提问，则需验证其确实未出现在画面中。同时，通过标注校验、答案均衡及评测数据排除等机制，减少错误监督与训练捷径的干扰。
最终，团队构建了约百万条训练样本，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，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、计数及判断结果的预测。
数据规模化的价值：从堆积样本走向扩展能力边界
ACE-Brain-0.6通过受控实验进一步揭示了空间锚定能力随数据规模增长的变化规律。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，呈现近似对数线性的增长趋势。训练数据规模每翻倍，综合得分平均提升约2.4分，最终超越GPT-6 Astra。但研究也发现，单纯增加已有数据类型的样本，性能提升不足1分；真正驱动能力增长的，是持续引入新场景、新空间关系及多样化监督形式，拓展模型的空间理解边界。
这一发现揭示了具身智能能力进化的重要路径：面对物理世界中复杂多变的物体、视角与交互需求，模型需要的不只是更多数据，更是覆盖广泛、信息丰富且可验证的空间知识。ACE-Brain-0.6证明，通过持续拓展数据覆盖与监督维度，即使模型架构与参数规模保持不变，也能推动空间感知能力持续进化。
从空间锚定到物理智能
ACE-Brain-0.6揭示了具身物理智能发展的重要方向：空间锚定不仅要回答“目标在哪里”，更要理解“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，模型需要持续吸收更丰富的物理监督信号，推动空间感知从精准识别迈向行动理解。
作为连接高级任务推理与底层物理执行的关键环节，空间锚定是机器人实现自主操作的重要能力基础。无论是零售分拣、物流操作还是服务机器人，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评测中超越GPT-6 Astra，验证了高质量Grounding数据规模化的技术潜力。从看见世界到找准目标，从理解指令到锚定行动，大晓机器人正持续推动模型认知与真实物理世界精准连接，加速具身智能从抽象理解走向可靠、可执行的物理智能。
（免责声明：此文内容为本网站刊发或转载企业宣传资讯，仅代表作者个人观点，与本网无关。仅供读者参考，并请自行核实相关内容。）