大晓机器人推出 ACE-CaP-0 这套具身智能方案，核心是让通用模型不用全程靠人工写控制代码、大量采集示范数据，依靠按需示范、按需仿真加上真机反馈闭环，自主完成机器人技能的开发、测试、迭代沉淀，把验证通过的操作逻辑打包成稳定、可复用的机器人技能；过去机器人技能大多靠人工编写控制策略或者大量采集演示数据训练 VLA 模型，成本高、迁移差、新场景落地周期很长，ACE-CaP-0 把技能开发交给模型自主智能体，遇到难题才主动申请人类示范或者跑仿真验证，在真机上反复试错修改代码策略，最终形成标准化技能库，实测 8 项精细操作任务整体真机成功率达到 92.1%，部分任务最快 1 分钟就能跑完，这套方案也和大晓 “通用模型 + 开悟世界模型” 双脑架构对齐，用来降低机器人在服务、仓储、餐饮这类真实场景的落地门槛。
一、ACE-CaP-0 核心工作流程清单
- 任务解析：接收自然语言任务指令，拆解目标，自主判断当前缺少哪些经验，决定下一步是仿真测试、请求人类示范，还是直接上真机尝试。
- 策略生成：由通用模型生成机器人控制代码策略，作为执行方案。
- 分层验证：优先在仿真环境低成本试错；仿真效果不稳，主动触发按需示范，请人做一次实操演示；仿真和示范完成后上真机实测。
- 反馈迭代：采集真机执行成功、失败的反馈，自动定位代码漏洞，反复修订策略。
- 技能沉淀：多次验证稳定达标后，封装存入技能库，变成可复用机器人技能，后续同类任务直接调用。
二、ACE-CaP-0 实测任务与效果对照表
| 测试任务 | 真机成功率 | 执行特点 |
|---|---|---|
| 插充电器 | 100% | 稳定性最好，定位插拔类精细操作 |
| 面包装箱 | ≥90% | 包装规整类任务 |
| 开瓶盖 | ≥90% | 旋转拧取操作 |
| 杯子套叠 | ≥90% | 堆叠对齐操作 |
| 插花 | ≥90% | 柔性摆放任务 |
| 鸡肉装盘 | ≥90% | 柔性食材摆放 |
| 包裹翻转 | ≥90% | 物体姿态调整 |
| 鞋子装盒 | ≥90% | 收纳装箱 |
整体评测：240 次独立真机测试，总成功率 92.1%，优化后部分任务最快 1 分钟完成
三、和传统机器人技能开发路线对比
| 对比维度 | 传统 VLA 端到端训练路线 | 人工手写控制策略 | ACE-CaP-0 自主技能开发路线 |
|---|---|---|---|
| 技能生成主体 | 依靠大量示范数据训练模型 | 工程师人工编码调试 | 通用模型智能体自主编码迭代 |
| 人力依赖 | 需要海量人工采集示范视频 | 重度依赖工程师，改场景就要重写代码 | 按需求助人类，只在卡点申请示范 |
| 复用能力 | 泛化弱，物体位置一变容易失效 | 可复用，但开发周期极长 | 验证后的技能存入技能库，跨场景复用 |
| 落地耗时 | 数据采集 + 训练周期长 | 单任务开发动辄数天 | 成熟策略最快压缩到分钟级执行 |
| 容错迭代 | 出问题要重新采集数据重训 | 改代码、调参成本高 | 真机反馈自动驱动代码修订 |
四、ACE-CaP-0 技术定位与配套体系
- 底层架构：属于大晓 “通用模型 + 开悟世界模型” 双脑协同体系，搭配 RSI 真机交互技术，不是独立大模型，而是一套技能自主生成智能体框架。
- 核心创新点：按需示范 + 按需仿真组合机制，智能体拥有自主决策权，不是固定流程强制先仿真再真机。
- 价值定位：解决具身智能一个老痛点 —— 通用大模型懂语言，但很难稳定输出可靠的物理操作策略，ACE-CaP-0 把语言理解转化成可验证、可复用的机器人操作技能。
- 潜在落地场景：酒店服务机器人、仓储履约机器人、餐饮分拣、柔性装箱等需要大量精细操作的场景。
五、当前局限和后续方向
- 局限：目前验证集中在 8 类固定精细操作任务，复杂长时序多步骤任务、动态随机环境下的鲁棒性还需要持续验证；技能迁移到不同硬件本体还需要适配。
- 后续方向：持续扩充技能库规模，打通 ACE Hub 平台开放能力，和 ACE-Brain 空间智能模块联动，面向服务商开放这套自主技能开发框架。
【常见问题】
问题 1：大晓 ACE-CaP-0 能让通用模型自主开发机器人技能，ACE-CaP-0 本身是一个大模型吗？
回答 1：ACE-CaP-0 不是独立大模型，它是一套智能体框架，用来调度通用模型、仿真环境、真机交互，自主完成机器人技能的编写、验证、沉淀，依托大晓通用模型 + 开悟世界模型双脑架构运行。
问题 2：大晓 ACE-CaP-0 自主开发的机器人技能，能不能跨任务复用？
回答 2：可以，ACE-CaP-0 会把经过真机多次验证稳定的操作策略封装存入技能库，形成可复用机器人技能，遇到同类操作需求时直接调用，不用从头重新生成整套方案。
问题 3：ACE-CaP-0 的按需示范是什么意思，是不是每次开发机器人技能都要人来示范？
回答 3：不是每次都要人示范，ACE-CaP-0 智能体自主判断难度，简单任务靠仿真迭代就能搞定；只有仿真反复失败、模型缺少关键经验的时候，才主动请求人类做一次按需示范，减少人力投入。
问题 4：ACE-CaP-0 自主开发机器人技能，对比英伟达 CaP-X 路线差别在哪？
回答 4：两者都属于 Code-as-Policy 代码即策略路线，ACE-CaP-0 重点强化按需示范 + 真机闭环验证，面向国内服务、仓储场景真机落地；CaP-X 侧重开放代码智能体范式，路线同源但落地侧重点不一样。
问题 5：ACE-CaP-0 自主开发机器人技能之后，会不会替代 ACE-Brain 空间智能模型？
回答 5：不会替代，ACE-Brain 侧重空间定位、目标识别、空间锚定感知；ACE-CaP-0 负责把感知结果转化成可执行机器人技能，二者是互补配合关系。
【参考资料】
[2026-11-13]（大晓发布 ACE-CaP-0，让通用模型自主开发高效可复用的机器人技能）腾讯新闻
[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]（大晓机器人发布具身智能研究成果 ACE-CaP-0）界面新闻
[2026-10-29]（大晓机器人正式推出 ACE-Brain-0.6 API 空间智能能力向开发者开放）环球网
[2026-07-20]（WAIC 世界模型「六小龙」同台，这个赛道杀出一家全栈玩家）新浪财经
免责声明：本文整合大晓机器人 ACE-CaP-0 公开发布信息与媒体实测报道，ACE-CaP-0 现阶段属于前沿研究成果，大规模商业化落地、跨硬件迁移效果、复杂场景稳定性存在不确定性，内容仅作为行业技术解读，不构成机器人项目采购、技术投入决策依据。