Las dos versiones están alineadas bloque a bloque, en el orden del texto: titular, lo esencial y después párrafo a párrafo. Cuando la traducción ha fusionado o dividido un párrafo, la casilla correspondiente queda vacía — nunca emparejamos dos pasajes a ojo.
Ask a robot to pick up a part, and the hardest step is not the arm's movement but knowing exactly where the part is. That is the problem ACE Robotics says its new model, ACE-Brain-0.6, is built to solve. The company, chaired by SenseTime co-founder Xiaogang Wang, describes it as an embodied foundation model of roughly 9 billion parameters, the numerical settings a neural network learns during training and a rough measure of its size. Its focus is visual grounding: linking a language instruction to a precise location, an object part or an interaction region in a physical scene.
Pida a un robot que recoja una pieza, y el paso más difícil no es el movimiento del brazo, sino saber exactamente dónde está la pieza. Ese es el problema que, según ACE Robotics, resuelve su nuevo modelo, ACE-Brain-0.6. La compañía, presidida por el cofundador de SenseTime Xiaogang Wang, lo describe como un modelo fundacional corporeizado de unos 9.000 millones de parámetros, es decir, los valores numéricos que una red neuronal aprende durante el entrenamiento y una medida aproximada de su tamaño. Su foco es el anclaje visual: vincular una instrucción en lenguaje natural con una ubicación precisa, una parte de un objeto o una zona de interacción en una escena física.
The model is based on Qwen3.5-9B. Its vision encoder stays frozen, meaning the part that reads images is not retrained, while the language part was fine-tuned on about one million spatial samples, covering roughly 940,000 images and 2.7 million question-answer pairs. The training data merges more than 30 open robot datasets with private first-person footage. Tools such as Grounding DINO and SAM 3 turn gripper-state and motion cues into spatial labels that can be checked. ACE Robotics says the model only answers when the visual evidence is complete: before it answers a counting question, for example, every instance must be labelled.
El modelo se basa en Qwen3.5-9B. Su codificador de visión permanece congelado, lo que significa que la parte que lee las imágenes no se reentrena, mientras que la parte lingüística se ajustó con cerca de un millón de muestras espaciales, que abarcan unas 940.000 imágenes y 2,7 millones de pares de pregunta y respuesta. Los datos de entrenamiento combinan más de 30 conjuntos de datos abiertos de robótica con grabaciones privadas en primera persona. Herramientas como Grounding DINO y SAM 3 convierten las señales del estado de la pinza y del movimiento en etiquetas espaciales que pueden verificarse. ACE Robotics asegura que el modelo solo responde cuando la evidencia visual está completa: antes de responder una pregunta de conteo, por ejemplo, cada instancia debe estar etiquetada.
The performance figures are the company's own, and have not yet been independently verified. On six of eight grounding evaluations, ACE-Brain-0.6 scores above GPT-6 Astra, OpenAI's model in the company's comparison. On Where2Place it reaches 76.55 against 71.10, and on RobotGrounding, a 2,591-question set the team built itself across 14 task types, 94.13 against 91.10. Averaged over seven public benchmarks, the scores are 74.53 and 73.68. That margin is small, and it is measured on tests the company chose.
Las cifras de rendimiento son de la propia empresa y aún no han sido verificadas de forma independiente. En seis de las ocho evaluaciones de anclaje, ACE-Brain-0.6 supera a GPT-6 Astra, el modelo de OpenAI incluido en la comparación de la compañía. En Where2Place alcanza 76,55 frente a 71,10 y, en RobotGrounding, un conjunto de 2.591 preguntas que el equipo creó por sí mismo en 14 tipos de tarea, 94,13 frente a 91,10. Promediadas en siete pruebas públicas, las puntuaciones son 74,53 y 73,68. Esa ventaja es pequeña y se mide en pruebas que eligió la empresa.
The more instructive result concerns data. In controlled runs, with architecture and training recipe kept fixed, growing the training set from 260,000 to about one million samples raised the seven-benchmark average from 69.3 to 74.5, on a curve the company describes as near log-linear. Doubling the data added about 2.4 points on average, while simply adding more samples of the same type gained less than one point. The gains came from variety, meaning new scenes, spatial relations and supervision formats, rather than from volume.
El resultado más instructivo se refiere a los datos. En pruebas controladas, manteniendo fijos la arquitectura y la receta de entrenamiento, al ampliar el conjunto de entrenamiento de 260.000 a cerca de un millón de muestras, el promedio de las siete pruebas públicas pasó de 69,3 a 74,5, en una curva que la compañía describe como casi logarítmico-lineal. Duplicar los datos añadió unos 2,4 puntos de media, mientras que sumar más muestras del mismo tipo mejoró menos de un punto. Las mejoras procedieron de la variedad, es decir, de nuevas escenas, relaciones espaciales y formatos de supervisión, y no del volumen.
For now, the practical benefit is narrow. As of publication, ACE-Brain-0.6 weights were not listed as open; the public GitHub repositories under DAXIAORobotics still list ACE-Brain-0 and ACE-Brain-0.5. Robotics teams that want to test the model on their own hardware will have to wait for a release they cannot yet download. If the open release follows and the results hold outside the company's own benchmarks, the gain would reach research groups and robot builders first, who could then test whether better-chosen data helps their own robots find what they are meant to grasp.
De momento, el beneficio práctico es limitado. En la fecha de publicación, los pesos de ACE-Brain-0.6 no figuraban como abiertos; los repositorios públicos de GitHub de DAXIAORobotics siguen listando ACE-Brain-0 y ACE-Brain-0.5. Los equipos de robótica que quieran probar el modelo en su propio hardware tendrán que esperar a una publicación que todavía no pueden descargar. Si la versión abierta llega y los resultados se sostienen fuera de las pruebas de la propia empresa, las ventajas llegarían antes a los grupos de investigación y a los fabricantes de robots, que podrían comprobar si unos datos mejor elegidos ayudan a sus robots a encontrar aquello que deben agarrar.