日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

VLAarXiv:2607.04426

ACE-Brain-0.5:物理的エージェントAIのための統合具現化基盤モデル

ACE-Brain-0.5: A Unified Embodied Foundational Model for Physical Agentic AI

シェア:XThreadsFacebookLINEはてブBluesky

ロボット知能を空間知覚、意思決定、身体的行動、自己監視、自己改善の5機能に統合した、単一の8Bバックボーンによる閉ループ基盤モデルを提案する。

詳しい要約

1. どんなもの?

ACE-Brain-0.5は、物理的なエージェントAI(Physical Agentic AI)を目指した統合型の具現化基盤モデル(embodied foundation model)である。ロボットの知能を、空間知覚(spatial perception)、意思決定(decision making)、具現化インタラクション(embodied interaction)、自己監視(self-monitoring)、自己改善(self-improvement)の5つの結合された機能として整理し、単一の8Bバックボーンで最初の4機能を実装する。空間知覚と接地、3Dおよび自己中心的な空間関係の推論、指示のサブゴール分解、ナビゲーションと操作行動の生成、進捗推定による検証と回復を統合する。自己改善は、ロールアウトからタスクスキーマ、空間記憶、失敗回復ケースなどの外部実行状態を更新するコンパニオンフレームワークによって実現される。

2. 先行研究と比べてどこがすごい?

既存のシステムは、エンドツーエンドのポリシー(空間推論や計画、実行評価に欠ける)や、ロボットエージェントシステム(ツールや専門家を調整するが共有表現を学習しない)のように、ループの一部しか扱わない。ACE-Brain-0.5は、ACE-Brain-0の空間知能を共有の足場とする理解中心モデルを、閉ループの基盤モデルに拡張し、5つの機能を単一のバックボーンで統合する点が新しい。また、SSR+という手法を導入し、タスクベクトルマージ後の再活性化(Reactivate)段階を追加することで、クロスタスク干渉を防ぎながら能力を統合する。

3. 技術・手法の肝は?

手法の肝は、SSR+(Scaffold-Specialize-ReconcileにReactivate段階を追加)にある。まず、共通の足場(Scaffold)を学習し、各機能に特化(Specialize)させ、タスクベクトルマージで調整(Reconcile)した後、Reactivate段階でマージ後のモデルを再活性化して干渉を軽減する。また、5つの機能を単一の8Bバックボーンで実装し、空間知覚を基盤とすることで、異なるロボットプラットフォーム間での共有表現を実現する。自己改善は、外部実行状態(タスクスキーマ、空間記憶、失敗回復ケース)を更新するコンパニオンフレームワークによって行われる。

4. どうやって有効だと検証した?

15のベンチマークで検証した。空間知覚と接地の18ベンチマークのうち14でACE-Brain-0を上回り、ナビゲーションと操作で競争力のある性能を達成し、ID(In-Distribution)およびOOD(Out-of-Distribution)設定で強い進捗推定を提供することを示した。

5. 議論はある?

要旨からは、議論の詳細は不明である。ただし、単一のバックボーンで複数の機能を統合する際のトレードオフや、自己改善の枠組みの一般性、実世界でのロボット展開における課題などが考えられるが、要旨には明記されていない。

6. 次に読むべき論文は?

要旨で参照されているACE-Brain-0(空間知能を共有の足場とするモデル)が次に読むべき論文である。また、関連手法としてScaffold-Specialize-Reconcile(SSR)が挙げられており、これも参照すべきである。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Brain Team, Ziyang Gong, Haoming Gu, Zehang Luo, Tianyi Zhang, Tao Tao, Yixiao Chi, Zhe Liu, Lingsi Zhu, Jingyuan Liu, Anke Tang, Songze Li, Yilun Kong, Ningjing Liu, Tianyu Zhu, Yunpeng Qing, Shuang Luo, Xiang Liu, Shi Fu, Dawei Nie, Sixiang Liu, Zhexi Wen, Feng Pan, Xiaofeng Wang, Zhi Hou, Chunxiao Liu, Xue Yang, Junchi Yan, Hengshuang Zhao, Dacheng Tao, Xiaogang Wang

分類: cs.RO

原文アブストラクト

Embodied AI is moving from isolated perception or action modules toward physical agents that understand, plan under goals, act through robot bodies, monitor progress, and improve from experience. Existing systems address this loop only in parts: end-to-end policies generate actions but often lack spatial reasoning, planning, and execution assessment, while robot-agent systems orchestrate tools or specialists but do not learn a shared representation. This fragmentation limits general Physical Agentic AI. We present ACE-Brain-0.5, a unified embodied foundation model that organizes robot intelligence into five coupled functions: spatial perception, decision making, embodied interaction, self-monitoring, and self-improvement. Built on ACE-Brain-0, which established spatial intelligence as a shared scaffold across robot platforms, ACE-Brain-0.5 extends an understanding-centric model into a closed-loop foundation model. A single 8B backbone instantiates the first four functions: grounding objects and affordances, reasoning over 3D and egocentric spatial relations, decomposing instructions into subgoals, generating navigation and manipulation actions, and estimating progress for verification and recovery. To unify these capabilities without cross-task interference, we introduce SSR+, which extends Scaffold-Specialize-Reconcile with a Reactivate stage after task-vector merging. The fifth function, self-improvement, is realized by a companion framework that updates external execution state, including task schemas, spatial memory, and failure-recovery cases, from rollouts. Across fifteen benchmarks, ACE-Brain-0.5 improves over ACE-Brain-0 on 14 of 18 spatial perception and grounding benchmarks, achieves competitive navigation and manipulation performance, and provides strong progress estimation in ID and OOD settings. Together, these results mark an early step toward general Physical Agentic AI.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

MINISFORUM(ミニPC)

MINISFORUM(ミニPC)の公式広告バナーMINISFORUM公式ストアを見る ↗
PR本紙発行元 EmplifAI