这些问题共同指向空间智能。空间智能是通用多模态模型走向物理世界的核心能力之一：模型不仅要理解画面中有什么，还要理解对象之间的空间关系，以及任务意图应当落在什么位置。空间锚定（grounding）是其中连接语言理解、视觉感知与机器人操作的关键环节。突破这项能力，能够为下游规划与控制提供更准确的目标输入，加速具身智能从任务理解走向实际操作。
大晓 ACE 团队选择的切入点，正是空间锚定。全新视觉空间锚定增强型具身基模型 ACE-Brain-0.6 尝试把语言描述中的物体、部件、空间关系与交互区域，准确对应到视觉场景中的位置，并通过开放 API，让开发者能够将这项能力接入自己的系统。
与此同时，以 GPT-6 Astra 为代表的通用多模态模型，也开始展现出跨本体、跨场景、跨任务的交互能力。大晓 ACE 团队在分析中发现，相比 GPT-5.5，Astra 的空间锚定准确率明显提升，空间感知与空间推理是其具身能力进步的重要支撑。
在相关机器人操作示例中，Astra 通过空间锚定识别目标物体、交互区域及空间参照，再结合几何计算和动作接口，将任务意图转化为具体操作。这也为 ACE-Brain-0.6 的探索提供了依据：以空间锚定为切入点，为任务理解走向实际操作提供更准确的空间信息。
一个问题由此浮现：当通用模型越来越强，我们还需要专门训练具身基模型吗？
本文的判断是：Astra 越强，具身基模型越不可替代。因为机器人能够理解的任务越丰富，就越需要扎实的空间定位、物理交互与可靠执行能力，将这些任务真正完成。
01 Astra把任务理解之后，还有多少问题没有解决？
按照直觉，通用模型越强，留给具身基模型的空间似乎就越小。但事实恰恰相反。
过去需要单独训练的部分识别、理解、空间感知和规划能力，正在成为通用模型可以提供的基础能力。这意味着，机器人未来能够理解更多指令，在陌生场景中识别和定位目标，也有机会尝试更复杂的任务。
但任务范围扩大之后，对空间定位、物理交互和可靠执行的要求也会随之提高。当机器人越来越能听懂“要做什么”，能否准确判断“在哪里做、如何完成”，就更加关键。
通用模型在任务理解与空间推理上的进步，也让具身基模型需要解决的问题更加清晰。
一：理解了任务，还要找到准确的位置
面对“抓住杯子的把手”这样的指令，模型可能已经知道杯子是什么、把手有什么用途，也能判断应该抓取哪个部位。
但机器人还需要一个更具体的答案：抓取目标究竟在哪里？
ACE-Brain-0.6 团队展示了这样的差别。Astra 能够理解杯子把手的交互含义，预测点却可能落在参考标注区域之外；在寻找蒸笼前方空闲区域时，模型识别出了相关物体，给出的位置却偏到了旁边的砧板上。
这类偏差在语言回答里可能只是一个不够准确的坐标，进入机器人系统后，却会成为后续抓取与放置规划的输入。
理解应该抓哪里，与准确找到那个位置之间，仍然存在距离。
 |  |
Astra 杯子把手与蒸笼前方区域定位案例
二：找到了位置，还要完成真实交互
即使空间目标已经找准，机器人也还没有完成任务。
抓取姿态是否可行，机械臂能否无碰撞地接近，物体接触后会不会滑动，放置区域是否具有足够的支撑和余量，都需要进一步判断。
从选择目标，到抓取、搬运、放置，再到处理接触与异常，机器人面对的是一条连续的能力链。某个环节的进步，不会自动替代其他环节所需的数据、模型和系统能力。
这也意味着，具身基模型的价值，需要建立在对物理任务的持续深入理解之上：能否围绕空间定位与交互需求，提供更准确、可验证、可复用的能力，并在不同任务与场景中持续积累？
三：分工不只是“一个思考、一个执行”
以“把桌上的杯子放到篮子旁边”为例，机器人首先需要理解用户意图，识别相关对象，并确定任务步骤。
进入操作阶段，它还需要继续回答：桌上有多个杯子，目标是哪一个？杯子的哪个部位适合交互？篮子旁边的哪块区域符合要求？这个位置能否真正完成放置？
这些问题同样需要理解和判断，不能简单归入“执行”。
一种可以探索的分工是：通用模型负责理解任务、调用常识和制定高层计划；具身基模型负责将任务意图对应到具体物体、部件与空间区域；下游几何规划和控制系统再完成运动与交互。
这种分工不必固化为某一种系统架构，但它揭示了一个方向：通用模型越能理解复杂任务，具身基模型就越需要把任务意图准确对应到物理场景。
Astra 扩大了机器人能够理解和尝试的任务范围，ACE-Brain-0.6 则围绕空间锚定，提升目标物体、交互部件与空间区域的定位能力。两者共同指向的是同一个目标：缩短机器人从理解任务到完成任务之间的距离。
因此，ACE-Brain-0.6 的意义，既在于空间能力的专项突破，也在于为更强的通用智能提供可接入、可验证的空间能力支撑。
02 ACE-Brain-0.6：把语言中的操作意图，落到具体的空间位置
ACE-Brain-0.6 最值得关注的地方，首先是“空间锚定”。
图像识别回答的是画面中有什么。空间锚定还要进一步回答：语言指令指向哪个对象、哪个部位，哪个位置。
当画面中存在多个相似物体，或者指令包含“左边第二个”“把手附近”“某个物体前方的空闲区域”时，仅仅识别类别已经不够；模型需要结合语言、视觉与空间关系，给出明确的定位结果。
这让空间锚定成为连接任务理解与下游机器人规划的一项重要能力。
让模型从认出物体，走向定位交互目标
在 ACE-Brain-0.6 的训练中，团队冻结视觉编码器，对语言模型进行全量参数监督微调，将物体定位、多实例定位、空间关系判断、功能区域识别和交互位置预测等任务，统一转换为问答式空间定位监督。
这些任务虽然都输出空间结果，所要求的能力却并不相同。
定位一个物体，需要识别对象；找出全部目标，需要区分实例并尽量避免遗漏；定位把手，需要理解部件；寻找放置区域，则需要结合目标物体、参照对象和区域关系。
把这些监督放在同一个训练体系中，目的是让模型学习更丰富的语言与空间对应关系。
根据团队首发时公布的评测结果，ACE-Brain-0.6 在八项空间锚定评测中的六项超越 Astra，体现出针对性空间数据与监督训练带来的增益。
在后续更新的评测结果中，ACE-Brain-0.6 在七项公开基准上的平均得分达到 75.41，相比专项训练前基座模型的 65.72，提高了 9.69 分。
在这批更新结果中，ACE-Brain-0.6 在团队自建的 RobotGrounding 机器人场景测试集中得分为 93.42，高于 Astra 的 91.10。这为其机器人场景下的空间锚定能力提供了补充证据，跨场景适用性仍需要通过更多实际任务验证。
让每一份空间数据，带来更有效的能力增量
这种专项能力，最终仍然要从数据中获得。 但 ACE-Brain-0.6 的数据实验表明，给模型增加数据，并不必然带来同等幅度的进步。
研究团队固定模型架构和训练配置，将训练样本从约26万条扩展至155万条，七项公开空间定位基准的平均得分从69.3提升至75.41。
在实验覆盖范围内，结果呈近似对数线性增长；团队估计，样本每翻一倍，平均得分约提升2.4分，尚未出现明显饱和。
但这一增长过程中，增加的不只是样本数量，还有任务类型、视觉场景和监督形式。
对照实验显示，如果只扩充已有来源的同类样本，不引入新的任务和领域，即使数据规模增加到下一版本相当，平均提升仍不足1分。
真正有效的变化，是监督覆盖的扩展：从单物体到多实例，从完整物体到把手、接触区域等部件，从直接定位到空间关系、自由区域、跨视角对应和负样本判断。
这说明，专业数据体系的价值，不只是让模型反复见到更多相似画面，而是让它接触此前没有被充分表达的能力要求。
数据能不能解决问题，取决于它包含什么信息
新增数据也并非总有效。
在复杂放置任务中，团队增加了数千条根据二维物体掩码计算的放置位置样本，性能却没有相应提升。
问题可能在于：二维画面中的空闲区域，无法充分表达真实放置所需的三维支撑关系、空间余量和几何可行性。
一个区域在图像上看起来没有物体，并不意味着它适合放置。目标可能悬空，支撑面可能不足，也可能与周围物体发生干涉。
这为具身数据 Scaling 提出了更具体的要求：先判断目标能力缺少什么信息，再决定应该增加什么数据。
从发现能力缺口，到设计监督、组织数据，再到训练和评测，团队需要围绕具身基模型建立持续迭代的机制。
具身基模型的长期价值，正来自对这条链路的持续建设：识别真实物理任务缺少什么信息，将其转化为有效监督，再通过评测和现场任务验证能力增量。
对 ACE-Brain 而言，数据 Scaling 的重点，也因此从扩大样本数量，进一步走向扩大有效监督的覆盖范围。
03 榜单让 ACE-Brain-0.6 被看见，API 开放才是进入系统的开始
七项公开基准上的表现，让 ACE-Brain-0.6 的空间锚定能力获得了关注。
但对于希望被不同团队复用的具身基模型而言，评测成绩只是入口。更现实的问题是：开发者能否方便地调用它，将它接入自己的系统，并验证它在具体任务中是否有效？
ACE-Brain-0.6 API 的开放，让讨论从模型之间的比较，进一步延伸到开发者的使用。 通过 ACE Hub，开发者可以调用空间锚定能力，无需先自行部署模型，就能围绕自己的图像、指令和任务开展验证。这让 ACE-Brain-0.6 从一个被评测的模型，进一步成为可以接入机器人系统的能力接口。
从一个模型，变成可以组合的能力接口
机器人系统可以根据任务需要，组合不同模型与算法的能力。
一种可以探索的方式是：通用模型理解用户指令、拆解任务；ACE-Brain-0.6 提供目标物体、部件或交互区域的空间定位结果；下游系统结合深度、标定、几何约束和运动规划，生成实际操作方案。
在这条链路中，ACE-Brain-0.6 承担的是从任务意图到空间目标的一项关键能力。
通用大模型 API 的普及，让开发者能够将语言理解、内容生成和推理能力接入不同应用。空间锚定 API 的开放，也有机会推动类似的变化：让物体、部件与交互区域的定位能力，被更多机器人团队调用和组合。
对开发者而言，这提供了一条更直接的验证路径：先调用能力，观察它能否解决自己的空间定位问题，再决定如何接入现有系统。
当空间能力可以通过接口复用，更多团队就有机会在共同的能力基础上探索不同场景，将研发投入进一步用于任务适配、系统集成与现场验证。
API 降低的是调用与初步验证的门槛。机器人平台之间的坐标转换、传感器适配、规划约束和执行验证，仍然需要通过系统工程完成。模型输出是否准确、是否便于下游使用，以及接入之后能否改善整体任务表现，都需要在具体任务中检验。
开放接口，也是连接真实需求与模型迭代的通道
不同开发者拥有不同的物体、相机、机器人平台和任务。
这些差异会不断提出新的问题：换一个观察角度，定位还准不准？出现遮挡或相似物体，模型会不会混淆？面对新的放置要求，输出能否支持后续规划？
只有进入这样的验证过程，模型的能力边界才能逐渐清晰。
对 ACE-Brain 而言，API 开放还提供了一条持续提升能力的路径。开发者在不同任务中遇到的定位偏差、目标混淆和放置判断问题，可以通过反馈被整理成新的评测样本，进而指导数据补充与监督设计。模型更新后，再回到这些任务中验证错误是否减少，开发者使用就有机会持续推动能力改进。
这样的探索，正在更多具身智能团队中出现。将模型能力通过 API 交给开发者，让能力进入真实机器人和实际任务接受检验，正在成为具身基模型走向应用的一条共同路径。
Physical Intelligence 的 Pi API beta 则提供了另一种接入方式：开发者上传机器人数据，在托管基础设施上微调模型，再通过云端推理服务连接自己的机器人。Dream Labs 也将世界—动作模型 Dream-1 通过公共 API 开放，探索让开发者直接调用机器人动作生成能力。不同团队的产品路径各有侧重，但都在降低开发者使用具身基模型的门槛，让更多场景有机会参与能力验证。
放在这一趋势下，ACE-Brain-0.6 API 的定位也更加清晰：它聚焦空间锚定，将“目标在哪里、应该与哪个部位交互、指令指向哪块区域”做成可以调用的能力，为后续规划与控制提供空间目标。
这些 API 让我们看到，具身智能既可以提供面向动作生成的模型服务，也可以开放任务链路中的关键能力。对 ACE-Brain-0.6 而言，开放的意义因此进一步延伸：让空间锚定更容易被开发者使用，并在与任务理解、几何规划和运动控制的组合中，持续验证和提升自身价值。
榜单展示了能力的进展，API 则让这些能力有机会进入更多真实系统。能否在开发者使用中持续发现问题、积累数据并改善任务表现，将决定空间锚定能否成长为值得依赖的基础能力。
04 空间能力最终要去的地方，是真实世界
无论采用怎样的模型，机器人进入现场之后，都需要回答更直接的问题：
能不能抓准？能不能放对？换一批物体是否还有效？失败之后需要多少人工干预？增加这项能力，是否真的改善了整体任务表现？
到了这个阶段，模型得分会被换算成任务成功率、重试次数、人工干预频率、作业节拍和每次有效操作的成本。
以零售分拣为例，用户可能提出“把适合拿取的那瓶饮料放到篮子旁边”。通用模型需要理解任务，具身基模型需要定位目标及交互区域，下游系统则需要判断抓取与放置是否可行，并完成动作。
在物流与工业场景中，类似能力也可以与抓取规划、放置规划结合，探索多规格物体搬运、料箱拆垛和上下料等任务。
但公开空间锚定基准上的优势，不会自动等同于现场操作成功率的提升。相机视角、遮挡、深度质量、标定误差、末端执行器和控制精度，都会影响最终结果。
真正有意义的验证，是把空间模型接入完整系统，在相同条件下观察：定位是否更准确，下游规划是否更容易成功，错误与重试是否减少。
真实场景也可以成为下一轮数据建设的起点。 模型在哪里容易混淆，哪些部件难以定位，什么放置关系无法通过现有监督表达，都可以形成新的能力缺口。围绕这些问题补充数据、改进训练，再回到现场验证，才有机会形成持续运行的数据飞轮。
从这个角度看，具身基模型的竞争力，既来自现有能力，也来自团队持续把真实问题转化为有效数据、训练监督与验证任务的能力。
从空间目标定位进一步走向完整任务链路，也将成为 ACE-Brain 后续演进的重要方向。
据团队介绍，下一代模型将以空间与动作推理为重点，探索覆盖任务理解、空间定位、动作规划与连续执行的全流程能力。团队希望构建具备类似 Astra 通用交互能力的具身基模型，提升跨场景、跨任务与跨本体的泛化能力。当前围绕空间锚定开展的数据建设与能力验证，也将为这一方向提供基础。
05 Astra 推开了门，具身基模要找到行动的落点
回到最初的问题：当 Astra 开始控制机器人，具身智能还需要自己的基座模型吗？
ACE-Brain-0.6 给出的启示是，通用模型越强，围绕物理世界建设具身基模型的价值就越清晰。
空间智能是通用多模态模型走向物理世界的核心能力之一。机器人能够理解更多任务之后，仍然需要准确找到目标、定位交互部件，并将空间意图交给后续规划与控制系统。高层理解能力的提升，也会进一步提高对这些能力的要求。
Astra 越强，机器人能够尝试的任务越丰富；具身基模型越扎实，这些新增的可能才越有机会转化为真正完成的操作。
ACE-Brain-0.6 展示了其中一条具体路径：以空间锚定为切入点，通过专业数据与针对性监督提升关键能力，再通过 API 开放，让开发者将能力接入自己的系统，在实际任务中验证效果。
从空间锚定突破，到 API 开放，再到下一代模型面向空间与动作推理的探索，ACE-Brain 正在将当前的能力建设延伸到更完整的任务链路。持续的数据建设、开发者使用和现场验证，将帮助团队检验这些能力能否适用于更多场景、任务与机器人本体，也将共同塑造具身基模型的长期价值。
Astra 推开了通用智能走向物理世界的门，具身基模型要让门后的每一次行动，都有准确的落点。
欢迎关注大晓最新研究成果ACE-Brain-0.6，技术详情请见：
ArXiv：2610.27040大晓开发者社群，开门了！
开悟世界模型，不复刻世界，只锚定动作。如果你也关注 Physical AI / 世界模型。后台发送：开发者，加入社群。
-END-
点击下方卡片，关注【Xbotics具身智能实验室】
你想要的这里都有~~
Ask Me Anything｜提问箱
对文章有疑惑，或想聊更深？欢迎把你的问题丢给我们：技术方案、实操踩坑、课程与资料、项目合作、职业发展，都可以问。
怎么问：在评论区留言，或私信公众号
我们会做什么：每周集中整理高质量问题并公开回复，重点问题邀请作者或嘉宾深度解答；典型问题会加入知识库并持续更新。
提问小提示：尽量说明「你的目标—当前做法—期望产出」，附上必要信息（硬件/软件版本、数据规模等），能更快获得有用答案。
一起把问题变成知识，推动社区进步 🚀
