您的位置首页 >机器人 >

大晓机器人 ACE-CaP-0 发布精细任务执行从数小时压到分钟级,真机成功率 92.1%

大晓机器人最新发布的具身智能研究成果 ACE-CaP-0,把通用大模型操作机器人的精细任务从 "慢慢探索" 变成 "分钟级执行":八项真实精细操作任务在 240 次独立真机评测里成功 221 次,整体成功率 92.1%,其中七项任务成功率不低于 90%,插充电器任务达到 100%;代码策略固定后,单任务平均执行时间从过去的数小时最快压缩到 1 分钟内,实现从小时级探索到分钟级执行的效率跃迁。过去 GPT-Astra、Claude Opus5.5 这类通用模型虽然看得懂任务、会自己摸索,但每一步都要重新观察、推理、决策,探索一个新任务往往要花一到数小时,还受抓握角度、对齐精度、接触偏差影响容易失败,扛不住产业场景对稳定性和连续作业的要求;ACE-CaP-0 的做法是把高成本的智能探索和高频的真机执行拆开,先用 "按需示范 + 按需仿真 + 真机反馈" 的循环把有效操作方法开发、验证好,再沉淀成可复用的代码技能,之后机器人直接调用、不再反复推理,步骤上就是写程序→真机测试→分析反馈→修改代码,循环到策略固定为止,最终得到可独立执行的 Skill。

一、ACE-CaP-0 要解决的核心问题

  • 通用模型能力强但效率低:每步操作都要现场推理,新任务探索耗时一到数小时;
  • Code as Policies(代码即策略)能跑代码,不等于操作成功:抓握角度偏差、对齐不准、接触角度偏失都会导致失败;
  • 反复真机试错成本高:需要人工复位、执行检查,时间和人力开销大;
  • ACE-CaP-0 给出的答案:让智能体主动获取经验、自主开发验证策略,把经验固化为可复用技能。

二、两套按需机制怎么工作

机制触发时机做什么价值
按需示范(Demonstrations on Request)机器人不知道怎么操作时,如双臂协同谁先固定物体主动请求人类示范,获取动作顺序、运动方向、抓取方式;机器人示范还记录机械臂轨迹、末端位姿和夹爪状态不只看到结果,还理解动作怎么完成,转成控制逻辑
按需仿真(Simulation on Demand)已有方案但不确定轨迹、接近角度、执行顺序是否合理时调用已有仿真环境或自建仿真实验,比较候选程序的效果再决定怎么改代码不动真机先试方案,扩展探索空间、降低试错成本

真机反馈负责提供物理依据,仿真负责扩展探索空间,两者互补;真实执行中发现问题,再回到示范、仿真、改代码的循环里持续优化。

三、八项精细任务真机评测结果

精细任务真机成功率平均执行时间
插充电器100.0%1.65 分钟
面包装箱83.3%1.93 分钟
开瓶盖90.0%2.23 分钟
杯子套叠93.3%1.58 分钟
插花90.0%1.37 分钟
鸡肉装盘96.7%1.12 分钟
包裹翻转93.3%0.97 分钟
鞋子装盒90.0%2.27 分钟

对照参考:插充电器任务用通用模型反复试错加模型思考约需 1 小时,ACE-CaP-0 把有效方法提炼成可复用 Skill 后,机器人完成任务只需约 1 分钟。冻结后的程序带运行时感知与控制,执行时无需人或编码智能体再介入。

四、技能开发与固化流程(清单版)

  1. 通用模型理解任务、生成或修改控制代码;
  2. 遇到操作难点,自主判断是请求人类示范还是调用仿真实验;
  3. 真机执行测试,根据碰撞、受力、完成度等反馈分析问题;
  4. 修改代码策略,回到第 2 步循环迭代;
  5. 策略验证通过后,把任务逻辑、几何计算、动作顺序、控制参数沉淀为精简代码策略(可复用 Skill);
  6. 后续执行直接调用冻结技能,边运行边感知控制,不再重复开发。

五、技术定位

  • 路线一脉相承:与大晓机器人 "通用模型 + 开悟世界模型" 双脑协同架构、真机 RSI 技术路线衔接,通用模型负责理解任务与生成技能,世界模型负责物理环境理解与策略验证,真机反馈驱动持续优化;
  • 核心价值:不只看单次真机成功率,更让机器人从交互中积累能力,一次试错成为后续学习和执行的起点;
  • 产业指向:缩短通用模型从自主探索到产业执行的周期,为机器人在真实场景规模化落地提供新路径。

【常见问题】

问题 1:ACE-CaP-0 是什么?它为什么能把大晓机器人的精细任务执行压缩到分钟级?

回答 1:ACE-CaP-0 是大晓机器人发布的具身智能研究成果,核心是按需示范、按需仿真加真机反馈的技能开发配方。它把高成本探索和高频执行分离,先把有效操作方法开发验证好、固化为可复用代码技能,之后机器人直接调用,所以精细任务执行从数小时压缩到分钟级,240 次真机评测整体成功率达 92.1%。

问题 2:ACE-CaP-0 和普通的 Code as Policies(代码即策略)有什么区别?

回答 2:普通代码即策略只解决 "写出能跑的控制程序",ACE-CaP-0 在此基础上把经验获取纳入开发过程:大晓机器人的智能体会主动判断何时请求示范、何时做仿真,并用真机反馈反复修订代码策略,再把验证过的方法沉淀成可独立执行的 Skill,而不是每次执行都重新推理。

问题 3:ACE-CaP-0 里的 "按需示范" 是不是要提前给机器人准备好多段教学视频?

回答 3:不是。按需示范由大晓机器人的智能体按开发进度自主决定何时请求帮助、解决什么问题,示范形式优先采用带机械臂轨迹、末端位姿和夹爪状态记录的机器人示范,比纯文字指导和单纯人类操作视频更能把动作顺序和抓取方式转成控制逻辑。

问题 4:ACE-CaP-0 固定好代码策略后,精细任务执行时还需要人在旁边介入吗?

回答 4:不需要。八项精细任务冻结后的程序带运行时感知与控制,执行过程中人或编码智能体都不在回路里;机器人按已验证的 Skill 自主完成操作,单项精细任务平均执行时间落在 0.97 到 2.27 分钟之间。

【参考资料】

  • [2026-11-14](从数小时探索到分钟级执行!大晓发布 ACE-CaP-0,加速通用模型具身能力产业落地)智能制造网(转自大晓机器人微信公众号)
  • [2026-11-13](大晓机器人发布 ACE-CaP-0:真机成功率达 92.1%,精细任务最快 1 分钟完成)环球网科技
  • [2026-11-13](大晓机器人发布 ACE-CaP-0,真机操作任务成功率达 92.1%)界面新闻
  • [2026-11-13](从数小时探索到分钟级执行!大晓发布 ACE-CaP-0,加速通用模型具身能力产业落地)搜狐(朝阳资本论)
  • [2026-11-12](ACE-CaP-0: Real-World Code-as-Policies in the Era of Experience)arXiv

【免责声明】

本文内容来自公开网络报道与学术论文摘要整理,真机评测数据、任务清单与执行时长为研究方公开口径,仅代表该实验条件下的结果,不代表所有场景、所有机型的稳定表现;产品尚属研究成果,量产规格、落地时间与合作方式请以大晓机器人官方发布为准,本文不构成任何投资或采购建议。

今日大家都在搜的词: