导语：11月13日，大晓机器人发布ACE-CaP-0，这是一套让通用模型自主开发机器人操作技能的方法。它把机器人学新技能的时间从数小时压缩到了分钟级，相关论文已在arXiv公开，编号2611.16872。
机器人学一个新动作，过去是个慢功夫。常见的做法是人工采集大量示范数据，再让机器人在仿真环境里反复练习，最后迁移到真机上验证。示范采得少了，动作学不像；仿真练得久了，时间成本又居高不下。对需要频繁换任务的场景来说，这种节奏很难跟上实际需求，机器人每接一个新活，都要重新走一遍漫长的准备流程。
ACE-CaP-0换了一个思路，用”按需示范”加”按需仿真”来组织整个学习过程。按需示范的意思是，通用模型在需要的时候才去获取示范，而不是一开始就把所有示范数据都准备好；按需仿真则是只在必要的时候才进入仿真环境练习，把算力和时间花在真正卡住的地方。两部分配合起来，通用模型可以自己判断缺什么、补什么，最后形成一套可以复用的操作技能，而不是每次都从头学起。
可复用是这套方法里值得单独说一句的点。机器人学会的技能如果只能用在单一任务上，学得再快也要反复交学费；如果同一套技能能在相似任务里重复使用，学习成本就会被摊薄。ACE-CaP-0的目标正在于此，让通用模型开发出的技能沉淀下来，成为以后调用的基础，这也是它与单次任务训练的主要区别。
评测数据给出了这套方法的实际表现。在8项真实精细操作任务上，研究团队做了240次真机评测，成功221次，成功率92.1%。平均执行时间最快压缩到了1分钟以内。需要注意的是，这里的”最快”是评测中达到的最好水平，不是所有任务的统一耗时，但即便如此，从数小时的探索过程压缩到分钟级执行，效率上的变化已经很直观。真机评测的意义还在于，数据不是只在仿真里跑出来的，而是在真实硬件上一次次操作得到的，这让成功率这个数字更贴近实际使用。
对开发者来说，按需机制的另一个好处是前期准备变轻了。过去要先采示范、再进仿真，整套流程跑下来才能知道效果，中间任何一个环节出问题都要返工。ACE-CaP-0让模型在需要的时候才索取示范、才进入仿真，准备工作跟着实际需求走，而不是先把所有材料备齐再开工。这种做法对算力和人力都更节省，也让小团队在没有大规模数据采集能力的情况下，仍有机会让机器人学会新技能。
从行业角度看，ACE-CaP-0回应的正是具身智能落地过程中的一个具体瓶颈：机器人本体和模型能力在进步，但技能获取的速度跟不上部署需求。一个仓库、一条产线或者一个家庭场景，任务种类多、变化快，如果每个新技能都要以小时计去准备，机器人的使用范围就会被限制在少数固定任务上。把技能开发压缩到分钟级，意味着同一台机器人可以在更短时间内切换到新任务，部署的灵活性随之提高。
当然，一次评测结果还不能说明全部问题。8项任务覆盖的是精细操作这个范围，方法换到其他类型的任务上表现如何，还要看后续更多的验证。论文公开之后，同行可以按编号2611.16872找到原文，复现和检验其中的做法。对于关注机器人技能学习的读者来说，这次发布的价值更多在于提供了一条可验证的新路径，而不是给出一个最终答案。
来源：机器人电报
相关阅读
龙擎空天发布端侧AI芯片LQ7000，出厂自带DeepSeek等大模型
