ACE Robotics lança modelo ACE-Brain-0.6 focado em grounding visual
A ACE Robotics lançou o modelo ACE-Brain-0.6, com cerca de 9 bilhões de parâmetros, voltado ao grounding visual em dados espaciais.
Resumo rápido
- A ACE Robotics lançou o ACE-Brain-0.6, modelo de cerca de 9B de parâmetros voltado ao grounding visual.
- A empresa afirma que o modelo foi ajustado a partir do Qwen3.5-9B com cerca de 1 milhão de amostras espaciais.
- Em dados da própria criadora, o modelo superou o GPT-6 Astra em seis de oito avaliações de grounding.
Entenda o contexto
Visual grounding é a capacidade de um sistema de inteligência artificial de associar palavras e instruções em texto a regiões, objetos e coordenadas específicas em imagens ou ambientes físicos. Essa tecnologia é considerada fundamental para o desenvolvimento de robôs e agentes capazes de interagir com o mundo real de forma precisa.
A ACE Robotics lançou o ACE-Brain-0.6, um modelo de fundação incorporado com cerca de 9 bilhões de parâmetros. O desenvolvimento é focado em visual grounding, processo que consiste em associar instruções em linguagem natural a posições exatas, partes de objetos e regiões de interação dentro de uma cena física.
Segundo a empresa, o modelo utiliza como base a arquitetura do Qwen3.5-9B. O codificador de visão permaneceu congelado, enquanto o modelo de linguagem passou por um ajuste fino baseado em aproximadamente um milhão de amostras de supervisão espacial verificáveis, contendo cerca de 940 mil imagens e 2,7 milhões de pares de perguntas e respostas.
Desempenho alegado e comparações
De acordo com dados divulgados pela própria ACE Robotics — que ainda não passaram por verificação independente —, o ACE-Brain-0.6 superou o modelo GPT-6 Astra, da OpenAI, em seis de oito avaliações de grounding. As marcas relatadas incluem Where2Place (76,55 contra 71,10), PixMo-Count (89,41 contra 88,10), RoboSpatial (74,82 contra 69,55), RoboAfford (88,51 contra 84,94), ShareRobot (49,70 contra 46,60) e o conjunto próprio RobotGrounding (94,13 contra 91,10).
Na média calculada pela empresa sobre sete benchmarks públicos, a pontuação obtida foi de 74,53, frente a 73,68 do GPT-6 Astra. O conjunto RobotGrounding reúne 2.591 perguntas distribuídas em 14 tipos de tarefas, como a localização de itens pequenos, contagem de múltiplos objetos e a identificação de alvos ausentes na cena. A desenvolvedora também mencionou comparações com o Gemini 4 Argon, do Google, e com o Claude Opus 5.5, da Anthropic, tratando os dados como referências para percepção espacial.
Pipeline de dados e arquitetura
Em testes de escala controlada que mantiveram a arquitetura fixa, a expansão do conjunto de treinamento de 260 mil para cerca de um milhão de amostras elevou a média dos sete benchmarks de 69,3 para 74,5. A empresa observou que a adição de amostras do mesmo tipo trouxe ganhos inferiores a um ponto, enquanto a inclusão de novas cenas e relações espaciais impulsionou os resultados.
O pipeline de processamento integra mais de 30 conjuntos de dados robóticos abertos a gravações egocêntricas privadas. Ferramentas como Grounding DINO e SAM 3 são aplicadas para converter estados da garra robótica e pistas de movimento em rótulos espaciais. A geração de respostas só ocorre quando a evidência visual da cena está completa.
Presidida por Xiaogang Wang, cofundador da SenseTime, a ACE Robotics havia estruturado a versão anterior ACE-Brain-0.5 como um ciclo unificado de percepção, planejamento, ação e avaliação. No ACE-Brain-0.6, o foco foi concentrado no grounding visual como elo entre o raciocínio abstrato e a execução física. Segundo reportagem do veículo Pandaily, os pesos do ACE-Brain-0.6 ainda não apareciam como abertos nos repositórios públicos da DAXIAORobotics no GitHub até o momento do anúncio.
Referências
- Fonte consultada: Pandaily — Tecnologia chinesa
Links para conferência: não indicam endosso das fontes ao conteúdo do portal.
Gostou? Compartilhe:
Comentários 0
Ninguém comentou ainda. Seja o primeiro!
