ACE-Brain-0.6 devance GPT-6 Astra sur des tests spatiaux maison

Demandez à un robot de saisir une pièce, et l’étape la plus difficile n’est pas le mouvement du bras, mais la connaissance de l’emplacement exact de la pièce. C’est le problème que dit résoudre le nouveau modèle d’ACE Robotics, ACE-Brain-0.6. L’entreprise, présidée par Xiaogang Wang, cofondateur de SenseTime, le décrit comme un modèle de fondation incarné d’environ 9 milliards de paramètres, c’est-à-dire les réglages numériques qu’un réseau de neurones apprend pendant l’entraînement et une mesure approximative de sa taille. Son axe principal est l’ancrage visuel : relier une instruction en langage naturel à une position précise, à une partie d’objet ou à une zone d’interaction dans une scène physique.

Le modèle repose sur Qwen3.5-9B. Son encodeur visuel reste figé, ce qui signifie que la partie qui lit les images n’est pas réentraînée, tandis que la partie linguistique a été affinée sur environ un million d’échantillons spatiaux, couvrant près de 940 000 images et 2,7 millions de paires question-réponse. Les données d’entraînement combinent plus de 30 jeux de données ouverts sur la robotique et des enregistrements privés en vue subjective. Des outils comme Grounding DINO et SAM 3 transforment des indices sur l’état de la pince et sur les mouvements en étiquettes spatiales vérifiables. ACE Robotics affirme que le modèle ne répond que lorsque les éléments visuels sont complets : avant de répondre à une question de comptage, par exemple, chaque instance doit être étiquetée.

Les performances annoncées sont celles de l’entreprise et n’ont pas encore été vérifiées de manière indépendante. Sur six des huit évaluations d’ancrage, ACE-Brain-0.6 dépasse GPT-6 Astra, le modèle d’OpenAI retenu dans la comparaison de l’entreprise. Sur Where2Place, il atteint 76,55 contre 71,10, et sur RobotGrounding, un ensemble de 2 591 questions que l’équipe a constitué elle-même dans 14 types de tâches, 94,13 contre 91,10. En moyenne sur sept benchmarks publics, les scores sont de 74,53 et 73,68. L’écart est faible, et il est mesuré sur des tests choisis par l’entreprise.

Le résultat le plus instructif concerne les données. Dans des essais contrôlés, à architecture et recette d’entraînement inchangées, faire passer le jeu d’entraînement de 260 000 à environ un million d’échantillons a fait monter la moyenne sur les sept benchmarks de 69,3 à 74,5, selon une courbe que l’entreprise décrit comme presque log-linéaire. Doubler les données a ajouté environ 2,4 points en moyenne, alors que le simple ajout d’échantillons du même type a rapporté moins d’un point. Les gains viennent de la variété, c’est-à-dire de nouvelles scènes, de nouvelles relations spatiales et de nouveaux formats de supervision, plutôt que du volume.

Pour l’instant, l’intérêt pratique reste limité. À la date de publication, les poids d’ACE-Brain-0.6 ne figuraient pas parmi les contenus en libre accès ; les dépôts GitHub publics de DAXIAORobotics proposent toujours ACE-Brain-0 et ACE-Brain-0.5. Les équipes de robotique qui veulent tester le modèle sur leur propre matériel devront attendre une publication qu’elles ne peuvent pas encore télécharger. Si la version ouverte suit et si les résultats se confirment en dehors des benchmarks de l’entreprise, le bénéfice profitera d’abord aux groupes de recherche et aux constructeurs de robots, qui pourront alors vérifier si des données mieux choisies les aident à trouver ce qu’ils doivent saisir.