横扫19项榜单！大晓机器人开源全球首创空间智能底座

327 0 0

文章摘要

大晓机器人联合上海交通大学等多所研究机构，共同推出以空间智能为底层框架、跨不同具身本体的通用基础模型ACE-Brain-0，正式面向全行业开源。该模型首次打破汽车、机器人、无人机等不同本体壁垒，贯穿空间认知、自动驾驶、低空感知、机器人交互多个领域，性能表现突出，在涵盖四大领域的24个核心基准测试中，对标GPT-4o等16个知名模型，有19个取得当前模型中的SOTA成绩，将19个基准测试的最强基线准确率相对提升5%-97.8%，全面大幅领先市场主流具身模型。目前该模型已应用于大晓机器人具身超级大脑模组A1，使搭载模组的机器狗具备行业首创的端到端自主导航能力与云端智能交互能力，可在城市人行道等复杂公共场景完成空间估算、导航决策等复杂任务，为公共巡检、应急响应等场景提供可靠支撑，模组已可在安防、能源等对可靠性要求高的产业场景长期稳定工作，具备实用价值。

首次提出以空间智能作为跨具身形态的 “通用语言”，成为连接不同物理域的统一认知支架，为通用具身智能找到统一底座。不同于传统将所有任务数据混合训练的思路，该模型遵循先建立空间认知、再学习具体任务的路径，研究发现不同形态的具身智能都依赖三维空间结构建模、几何关系推理、场景演化预测三大核心空间能力。该模型以空间信息为多模态自回归架构，实现多模态输入兼容、结构化空间特征提取、统一跨模态推理，无需为特定场景定制专用模块，改变了“一个场景一套模型”的传统具身研发模式。

针对传统跨域训练存在的梯度干扰引发能力稀释、序贯训练导致灾难性遗忘两大困境，首创 Scaffold-Specialize-Reconcile（SSR）三阶段训练范式，通过“先建共识、再练专长、后融知识”的路径，完美解决了这一矛盾，依次完成通用空间基础构建、分领域隔离优化、跨域参数级知识融合，同时兼顾通用性与专业性。该模型还首次在单一框架中实现四大核心具身能力的统一融合，通过共享认知结构实现跨域能力的自然迁移。

提出了一种新的具身智能世界观：不同身体不一定要从头学起，它们可以先共享一个关于世界的空间理解，再在这个基础上长出各自的能力。该路径重新定义了通用具身智能的研发逻辑，为未来通用物理世界智能研发提供了可复用的底层框架，未来可快速适配新的物理本体与应用场景，覆盖从自动驾驶到低空经济等多个真实物理世界场景，具备广阔的平台潜力。