“创新性地结合按需示范与按需仿真。”
作者：苏打
编辑：tuya
出品：财经涂鸦（ID：caijingtuya）
伴随通用模型能力的进一步扩充，如何发挥Astra等通用模型的优势，同时提高任务成功率、大幅降低执行时延，成为当下推动其具身能力走向产业落地的关键。
公司情报专家《财经涂鸦》获悉，近日，大晓机器人发布最新研究成果ACE-CaP-0，探索通用模型如何通过主动获取经验，自主开发、验证和优化机器人技能。
借助ACE-CaP-0，机器人的精细任务成功率不仅大幅提升，执行速度也加速至分钟级，填补了通用模型产业落地的能力空白。
拆解来看，ACE-CaP-0进一步将经验获取纳入机器人技能开发过程，创新性地结合按需示范（Demonstrations on Request）与按需仿真（Simulation on Demand），让AI智能体在技能开发过程中，自主判断何时请求人类示范、何时开展仿真实验，并结合真机执行反馈不断测试、修订代码策略，最终将经过验证的操作方法沉淀为可复用、可独立执行的机器人技能。
首先是按需示范，让机器人在需要时主动向人类学习。例如，在双臂协同任务中，机器人可能不知道哪只机械臂应该先固定物体、另一只如何完成操作。此时，智能体可以主动请求示范，获取动作顺序、运动方向和抓取方式，再将这些经验转化为程序中的控制逻辑。
其次是按需仿真，让AI在真正动手前，先比较不同方案。当机器人已经掌握基本操作方法，却不确定动作轨迹、接近角度或执行顺序是否合理时，智能体可以调用已有仿真环境，或针对具体问题构建仿真实验。
针对推理时延、执行不一致等问题，ACE-CaP-0把高成本的智能探索与高频的机器人执行分离。在策略开发阶段，AI通过“编写程序—执行测试—分析反馈—修改代码”的循环，不断优化操作方法。当程序经过验证后，将任务逻辑、几何计算、动作顺序和控制参数沉淀为精简的代码策略。
这同时意味着，任务逻辑与底层控制解耦后，可以分别优化技能决策与动作执行，提高运行效率，而不必每次重新开发整套策略。
在插充电器、面包装箱、开瓶盖、杯子套叠、插花、鸡肉装盘、包裹翻转和鞋子装盒八项机器人精细操作真实任务中，ACE-CaP-0开发的代码策略经固定后，任务平均执行时间从数小时最快压缩至1分钟内，在240次独立真机评测中成功221次，整体成功率高达92.1%，其中七项任务成功率不低于90%，插充电器任务更是达到100%。
其中，通用模型负责理解任务、探索和生成技能，世界模型为物理环境理解与策略验证提供支持，真机反馈则驱动技能持续优化，这一路径与大晓机器人在酒店服务场景中展示的“通用模型+开悟世界模型”双脑协同架构及真机RSI技术路线亦一脉相承。
让通用模型探索和开发技能，让机器人高效复用已经验证的技能，为大模型能力走向真实应用提供了新的实现方式。大晓表示，正加速将Astra等通用模型的理解、规划与泛化能力转化为快速、稳定、高效的具身技能，缩短从自主探索到实际执行的时间，推动机器人更快融入真实产业场景。
本文由公众号财经涂鸦（ID：caijingtuya）原创撰写，如需转载请联系涂鸦君。
添加涂鸦君个人微信（ID：tuyaclub） 加入【公司情报社群】 参与资本市场讨论 获取一手情报
