论文页面 - ACE-Brain-0.6：扩展空间定位以增强物理基础模型

来源：https://huggingface.co/papers/2610.27040 作者：

,

,

,

,

,

,

,

,

,

,

摘要

扩大多样化、可验证的视觉定位数据规模，可提升开放多模态模型的空间感知和具身操作性能.

通用多模态模型 (https://huggingface.co/papers?q=multimodal%20models)，包括 GPT-6 Astra 和 Claude Opus 5.5，在具身操作 (https://huggingface.co/papers?q=embodied%20manipulation)方面展现出广泛的能力. 我们的分析表明，这种通用性伴随着强大的空间感知 (https://huggingface.co/papers?q=spatial%20perception)能力，因为 Astra 能够在视觉干扰中确定应在何处与任务相关实体进行交互. 由于空间感知 (https://huggingface.co/papers?q=spatial%20perception)将高层推理与物理场景连接起来，我们研究了如何扩大视觉定位 (https://huggingface.co/papers?q=visual%20grounding)规模，以强化通用具身操作的感知基础. 我们开发了一套统一的数据流水线，将机器人操作 (https://huggingface.co/papers?q=robot%20manipulation)记录与来自多种来源的互补视觉数据相结合. 在自动标注机器人记录后，该流水线将收集的数据转换为可验证的定位监督 (https://huggingface.co/papers?q=grounding%20supervision)信号. 使用该流水线生成的约 150 万个样本，对 Qwen3.5-9B (https://huggingface.co/papers?q=Qwen3.5-9B)进行微调 (https://huggingface.co/papers?q=Fine-tuning)，得到 ACE-Brain-0.6. 该模型在七项公开定位基准中的四项上超越了 GPT-6 Astra，总体平均得分为 75.41，而 Astra 为 73.68. 在固定的 Qwen3.5-9B (https://huggingface.co/papers?q=Qwen3.5-9B)微调 (https://huggingface.co/papers?q=fine-tuning)设置下，随着后续数据版本不断扩充训练集、覆盖更广泛的定位场景，综合定位性能稳步提升. 这些结果表明，扩大来自多种来源的可验证定位监督 (https://huggingface.co/papers?q=grounding%20supervision)规模，可以增强开放 9B 模型面向通用具身操作的空间感知 (https://huggingface.co/papers?q=spatial%20perception)能力.

查看 arXiv 页面 (https://arxiv.org/abs/2610.27040)查看 PDF (https://arxiv.org/pdf/2610.27040)项目页面 (https://daxiaorobotics.github.io/ACE-Brain-0.6/)GitHub8 (https://github.com/DAXIAORobotics/ACE-Brain-0.6)添加到合集 (https://huggingface.co/login?next=%2Fpapers%2F2610.27040)

在你的智能体中获取这篇论文：

hf papers read 2610\.27040

还没有最新版 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用这篇论文的模型1

ACERobotics/ACE-Brain-0.6-9B 图像和文本转文本• 9B• 更新于1 天前 • 38 • 2 (https://huggingface.co/ACERobotics/ACE-Brain-0.6-9B)

引用这篇论文的数据集0

没有关联这篇论文的数据集

在数据集的 README.md 中引用 arxiv.org/abs/2610.27040，即可从此页面关联该数据集.

引用这篇论文的 Spaces1

包含这篇论文的合集0

没有包含这篇论文的合集

将这篇论文添加到合集 (https://huggingface.co/new-collection)，即可从此页面关联该合集.