ACE-Brain-0.5：物理智能体AI的统一具身基础模型

实体人工智能正在从孤立的感知或行动模块转向物理代理，能够理解、根据目标进行计划、通过机器人身体行动、监控进度并根据经验进行改进。现有系统仅部分解决此循环：端到端策略生成操作，但通常缺乏空间推理、规划和执行评估，而机器人代理系统编排工具或专家，但不学习共享表示。这种碎片化限制了一般的物理智能体AI。我们提出了 ACE-Brain-0.5，一个统一的具身基础模型，它将机器人智能组织成五个耦合功能：空间感知、决策、具身交互、自我监控和自我改进。 ACE-Brain-0.5 以 ACE-Brain-0 为基础，将空间智能建立为跨机器人平台的共享支架，ACE-Brain-0.5 将以理解为中心的模型扩展为闭环基础模型。单个 8B 主干网实例化了前四个功能：定位对象和可供性、3D 推理和第一人称的空间关系、将指令分解为子目标、生成导航和操作操作以及估计验证和恢复的进度。为了统一这些功能而不产生跨任务干扰，我们引入了 SSR+，它通过任务向量合并后的重新激活阶段扩展了 Scaffold-Specialize-Reconcile。第五个功能是自我改进，它是通过一个配套框架来实现的，该框架可以通过执行轨迹更新外部执行状态，包括任务模式、空间内存和故障恢复案例。在 15 个基准测试中，ACE-Brain-0.5 在 18 个空间感知和定位基准测试中的 14 个上比 ACE-Brain-0 有所改进，实现了有竞争力的导航和操作性能，并在 ID 和 OOD 设置中提供了强大的进度估计。总之，这些结果标志着迈向通用物理智能体AI的早期一步。