近期，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。该模型聚焦 Grounding 核心能力，以 OpenAI GPT-6 Astra 为重要参照，通过规模化、多样化、可验证的空间监督数据，探索以数据 Scaling 驱动具身基模型能力跃升的新路径。
在八项 Grounding 评测中，ACE-Brain-0.6 有六项超越 OpenAI 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）及 RobotGrounding（94.13 vs. 91.10）。七项公开基准平均 74.53 分，领先 GPT-6 Astra 的 73.68 分。与 Google Gemini 4 Argon、Anthropic Claude Opus 5.5、阿里巴巴达摩院、北京智源研究院等模型对比中也取得领先。
ACE-Brain-0.6 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。团队整合 30 余个开源机器人数据家族和私有 Ego 数据，结合 Grounding DINO、SAM 3 等工具，自动化生成目标指代、计数、空间关系、交互位置及目标缺失判断等问答数据，构建约百万条训练样本、约 94 万张图像和 270 万组问答对。实验显示，数据从 26 万条扩展至百万条，七项公开评测平均分由 69.3 提升至 74.5，呈近似对数线性增长；每翻倍约提升 2.4 分。该成果验证了高质量数据规模化可让 9B 级模型在具身空间感知上比肩甚至超越顶级通用模型，推动具身智能从理解物理世界走向精准可靠执行。