大晓机器人新出的 ACE‑CaP‑0，是用来解决通用大模型落地到实体机器人时效率低、不稳的方案，真机精细操作整体成功率做到了 92.1%，可以让通用模型自己去生成、打磨机器人能用的操作技能，不再全都靠人工提前写死动作，很好缓解通用模型做物理交互时落地难的老问题。之前通用大模型虽然看得懂指令、会推理，但放到真实机器人上面，做一个新操作经常要耗上很久，反复试错，很难直接拿到工厂、服务场景里面稳定使用，ACE‑CaP‑0 的核心思路就是让智能体自己做决策，缺参考的时候找人要示范，需要预演就跑仿真，做完真机操作之后，再拿真实结果回头修改代码策略，最后沉淀下来一套可以反复调用的技能。整套流程分成几个清晰环节，首先是智能体判断当前任务难点，如果单纯靠推理搞不定，就触发按需示范，向人类索要操作演示；接着进入按需仿真环节，在虚拟环境里面快速试跑，先筛掉明显行不通的方案；之后把策略放到真机上跑，拿到真实环境的反馈；最后迭代优化代码，稳定之后保存成可复用技能。实测一共包含八项精细任务：插充电器、面包装箱、开瓶盖、杯子套叠、插花、鸡肉装盘、包裹翻转、鞋子装盒，一共 240 轮独立真机测试，成功 221 次，里面七项任务成功率都在 90% 及以上，插充电器这项达到百分百成功，优化完成之后，部分任务单次执行时间可以压到一分钟以内。这套方案不是单独训练一个专用小模型，而是给通用模型搭了一条自主开发机器人技能的通路，降低把大模型能力转移到物理机器人的成本，后续有机会在服务、轻量分拣这类场景落地。
- 核心原理
- 实测任务明细
- 它解决的落地痛点
- 后续方向
ACE‑CaP‑0 把按需示范、按需仿真、真机反馈三件事串在一起。智能体自主选择什么时候找人示范、什么时候在仿真里预演，不是固定流程。真机跑完之后的数据回流给模型，持续修正操作代码，把临时推理变成固化、可重复调用的操作策略。
| 任务项目 | 测试表现 |
|---|---|
| 插充电器 | 成功率 100% |
| 开瓶盖、杯子套叠、面包装箱等其余六项 | ≥90% |
| 全部八项任务综合 | 92.1%，240 次真机测试 |
| 最优执行速度 | 部分任务小于 1 分钟 |
通用大模型直接控制机器人，每一步都现场推理，耗时久、波动大；传统机器人又只能跑预设动作，泛化差。ACE‑CaP‑0 相当于中间层，让大模型学会自己产出稳定的操作代码，兼顾泛化能力和真机稳定性。
大晓这边的思路是沿着这条具身智能路线继续迭代，把这套自主技能生成方案放到更多真实场景验证，配合已有的 ACE 系列空间智能能力，拓展服务机器人、轻工业操作场景。
【常见问题】
问题 1：ACE‑CaP‑0 的 92.1% 真机成功率是在哪些任务上面测出来的？
回答 1：ACE‑CaP‑0 的 92.1% 真机成功率来自八项精细操作任务，包含插充电器、面包装箱、开瓶盖、杯子套叠、插花、鸡肉装盘、包裹翻转、鞋子装盒，一共 240 次独立真机评测，插充电器任务在 ACE‑CaP‑0 的测试里拿到了百分之百成功率。
问题 2：ACE‑CaP‑0 和普通直接用通用大模型控机器人有什么差别？
回答 2：直接拿通用大模型控制机器人，大多是现场边看边推理，速度慢、容易出错；ACE‑CaP‑0 让通用模型自主发起示范请求、仿真预演，再依靠真机反馈迭代代码，最后产出稳定可复用的机器人技能，让 ACE‑CaP‑0 在真机上更适合产业落地。
问题 3：ACE‑CaP‑0 的按需仿真是什么意思？
回答 3：ACE‑CaP‑0 的按需仿真，就是智能体自己判断要不要先在虚拟环境测试操作方案，不用每次都直接上真机试错，减少硬件损耗，加快 ACE‑CaP‑0 打磨机器人操作策略的速度。
问题 4：ACE‑CaP‑0 是一款机器人硬件吗？
回答 4：ACE‑CaP‑0 不是机器人硬件，它属于一套具身智能研究方案，用来帮助通用模型自主开发机器人操作技能，提升真机任务成功率，解决通用模型往实体设备落地的瓶颈。
【参考资料】
[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
[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，真机操作任务成功率达 92.1%）界面新闻
[2026-11-13]（大晓发布 ACE-CaP-0，加速通用模型具身能力产业落地）亿欧
【免责声明】
以上内容仅为公开新闻信息整理，ACE‑CaP‑0 当前属于研究成果，不代表已经量产商用；文中测试数据为厂商披露的实验室真机测试结果，实际落地效果会受环境、硬件、任务变动影响，不构成任何投资、采购建议。