Le due versioni sono allineate blocco per blocco, nell’ordine del testo: titolo, l’essenziale, poi paragrafo per paragrafo. Quando la traduzione ha fuso o diviso un paragrafo, la casella corrispondente resta vuota — non accostiamo mai due passaggi a occhio.
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.
Chiedete a un robot di prendere un pezzo, e il passaggio più difficile non è il movimento del braccio, ma sapere esattamente dove si trova il pezzo. È il problema che ACE Robotics dice di voler risolvere con il suo nuovo modello, ACE-Brain-0.6. L'azienda, presieduta da Xiaogang Wang, cofondatore di SenseTime, lo descrive come un modello di base incorporato da circa 9 miliardi di parametri, cioè le impostazioni numeriche che una rete neurale apprende durante l'addestramento e una misura approssimativa delle sue dimensioni. Il suo obiettivo è il visual grounding: collegare un'istruzione in linguaggio naturale a una posizione precisa, a una parte di un oggetto o a una zona di interazione in una scena fisica.
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.
Il modello si basa su Qwen3.5-9B. Il suo encoder visivo resta congelato, il che significa che la parte che legge le immagini non viene riaddestrata, mentre la parte linguistica è stata messa a punto su circa un milione di campioni spaziali, che coprono circa 940.000 immagini e 2,7 milioni di coppie domanda-risposta. I dati di addestramento uniscono più di 30 dataset aperti di robot con filmati privati in prima persona. Strumenti come Grounding DINO e SAM 3 trasformano segnali sullo stato della pinza e sul movimento in etichette spaziali verificabili. ACE Robotics afferma che il modello risponde solo quando l'evidenza visiva è completa: prima di rispondere a una domanda di conteggio, per esempio, ogni istanza deve essere etichettata.
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.
Le prestazioni sono cifre dell'azienda e non sono ancora state verificate in modo indipendente. Su sei valutazioni di grounding su otto, ACE-Brain-0.6 ottiene punteggi superiori a quelli di GPT-6 Astra, il modello di OpenAI scelto dall'azienda per il confronto. Su Where2Place raggiunge 76,55 contro 71,10, e su RobotGrounding, un insieme di 2.591 domande costruito dal team stesso su 14 tipi di compito, 94,13 contro 91,10. Mediati su sette benchmark pubblici, i punteggi sono 74,53 e 73,68. Il margine è ridotto, ed è misurato su test scelti dall'azienda.
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.
Il risultato più istruttivo riguarda i dati. Nelle prove controllate, con architettura e ricetta di addestramento fissate, portare il set di addestramento da 260.000 a circa un milione di campioni ha fatto salire la media sui sette benchmark da 69,3 a 74,5, lungo una curva che l'azienda descrive come quasi lineare nel logaritmo. Raddoppiare i dati ha aggiunto in media circa 2,4 punti, mentre aggiungere semplicemente altri campioni dello stesso tipo ha guadagnato meno di un punto. I miglioramenti sono venuti dalla varietà, cioè da nuove scene, relazioni spaziali e formati di supervisione, più che dal volume.
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.
Per ora il vantaggio pratico è limitato. Alla data di pubblicazione, i pesi di ACE-Brain-0.6 non risultavano pubblicati come open; i repository pubblici su GitHub sotto DAXIAORobotics elencano ancora ACE-Brain-0 e ACE-Brain-0.5. I team di robotica che vogliono provare il modello sul proprio hardware dovranno attendere un rilascio che non possono ancora scaricare. Se la versione aperta arriverà e i risultati reggeranno al di fuori dei benchmark dell'azienda, a beneficiarne per primi saranno i gruppi di ricerca e i costruttori di robot, che potranno verificare se dati scelti meglio aiutano i loro robot a trovare ciò che devono afferrare.