ACE Robotics ने ACE-Brain-0.6 प्रस्तुत किया है - एक मौलिक मॉडल जो लगभग नौ अरब मापदंडों के साथ विज़ुअल ग्राउंडिंग में विशेषज्ञता रखता है। यह मॉडल वास्तविक वातावरण में भाषाई निर्देशों को सटीक क्षेत्रों, वस्तुओं के हिस्सों और इंटरैक्शन ज़ोन से मिलाने के लिए डिज़ाइन किया गया है।
रिपोर्ट के अनुसार, यह मॉडल Qwen3.5-9B पर आधारित है। विकास के दौरान, विज़न एन्कोडर को फ्रीज कर दिया गया था, और भाषा मॉडल को निगरानी के लगभग दस लाख सत्यापित नमूनों पर फाइन-ट्यून किया गया था। इन डेटा में लगभग 940,000 छवियां और 2.7 मिलियन प्रश्न-उत्तर जोड़े शामिल हैं।
प्रतिद्वंद्वियों के साथ तुलना के परिणाम
ACE Robotics द्वारा प्रकाशित आंकड़ों के अनुसार, ACE-Brain-0.6 ने आठ ग्राउंडिंग परीक्षणों में से छह में OpenAI के GPT-6 Astra को पीछे छोड़ दिया। विशिष्ट परिणामों में शामिल हैं: Where2Place (76.55 बनाम 71.10), PixMo-Count (89.41 बनाम 88.10), RoboSpatial (74.82 बनाम 69.55), RoboAfford (88.51 बनाम 84.94), ShareRobot (49.70 बनाम 46.60), और टीम का अपना RobotGrounding सेट (94.13 बनाम 91.10)।
कुल मिलाकर, सात सार्वजनिक बेंचमार्क पर मॉडल का औसत स्कोर 74.53 रहा, जबकि Astra का यह आंकड़ा 73.68 था। RobotGrounding सेट में 14 प्रकार के कार्यों पर 2,591 प्रश्न शामिल हैं, जिनमें छोटी वस्तुओं की खोज, कई उदाहरणों की गिनती, अनुरोधित लक्ष्य की अनुपस्थिति का पता लगाना और विभिन्न कैमरा दृश्यों के बीच लक्ष्यों का मिलान करना शामिल है।
कंपनी ने Google Gemini 4 Argon और Anthropic Claude Opus 5.5 के साथ भी तुलना प्रदान की, उन्हें भू-राजनीतिक प्रतिस्पर्धा के बजाय स्थानिक धारणा के लिए बेंचमार्क के रूप में देखते हुए। नियंत्रित स्केलिंग परीक्षणों में, जहां आर्किटेक्चर और प्रशिक्षण नुस्खा अपरिवर्तित रहे, प्रशिक्षण सेट को 260,000 से लगभग दस लाख नमूनों तक बढ़ाने से सात बेंचमार्क पर औसत स्कोर 69.3 से बढ़कर 74.5 हो गया, जो लगभग लॉगरिदमिक वक्र प्रदर्शित करता है। डेटा की मात्रा दोगुनी करने से औसत में लगभग 2.4 अंकों की वृद्धि हुई, जबकि उसी प्रकार के अधिक नमूनों को जोड़ने से प्रदर्शन में एक अंक से कम सुधार हुआ। प्रदर्शन में मुख्य वृद्धि नई दृश्यों, स्थानिक संबंधों और निगरानी प्रारूपों के कारण हासिल की गई थी।
डेटा प्रोसेसिंग पाइपलाइन में 30 से अधिक ओपन रोबोट डेटासेट को फर्स्ट-पर्सन से कैप्चर किए गए निजी डेटा के साथ जोड़ा जाता है। फिर ग्राउंडिंग DINO और SAM 3 जैसे उपकरणों का उपयोग कैप्चर और गति स्थिति संकेतों को सत्यापन योग्य स्थानिक टैग में बदलने के लिए किया जाता है। ACE Robotics का दावा है कि उत्तर केवल पूर्ण दृश्य जानकारी की उपस्थिति में उत्पन्न होते हैं, उदाहरण के लिए, गणना के प्रश्नों का उत्तर देने से पहले पूर्ण उदाहरण टैग की आवश्यकता होती है।
GitHub पर DAXIAORobotics नामक सार्वजनिक रिपॉजिटरी में अभी भी ACE-Brain-0 और ACE-Brain-0.5 सूचीबद्ध हैं; हालांकि, प्रकाशन के समय ACE-Brain-0.6 के वजन सार्वजनिक रूप से उपलब्ध नहीं थे। SenseTime के सह-संस्थापक शियाओगन वांग के नेतृत्व वाली ACE Robotics ने पहले ACE-Brain-0.5 को एकीकृत धारणा-योजना-कार्रवाई-मूल्यांकन चक्र के रूप में प्रस्तुत किया था। संस्करण 0.6 विशेष रूप से उच्च-स्तरीय तर्क और विश्वसनीय भौतिक निष्पादन के बीच एक कड़ी के रूप में ग्राउंडिंग पर केंद्रित है।
