大晓机器人在 11 月 13 日发布一项研究，叫 ACE-CaP-0。研究的是让机器人做八项精细操作：插充电器、面包装箱、开瓶盖、杯子套叠、插花、鸡肉装盘、包裹翻转、鞋子装盒。

每项各做三十次，一共两百四十次真机测试，成功两百二十一次，成功率 92.1%。插充电器三十次全中，最差的是面包装箱，83.3%，也是唯一没到九十的。

这些数字本身没什么稀奇，端到端那一路的演示，这两年也见得不少。有点意思的是没跑这两百四十次的时候，大模型已经不在场了。

大晓的做法是让模型先把活写成代码。接到一个任务，它先自己试，哪一步不会就去要一段示教，方案拿不准就搭个仿真先跑一遍，最后把验证过的操作方法写成一段代码。方案定下来之后，机器人就照这段代码跑，中间没有大模型推理，旁边也没有人随时接手。

速度差就是这么来的。插充电器如果让大模型边看边试，要一个小时左右，写成代码之后一分多钟，八项任务平均都在两分钟上下。 代价落在换不了场景上。

换个台面、换个杯子，它不会自己适应，得重开一次开发；开发一项技能还要两到六个小时、一百多万的 token，模型卡住的时候，还得有人补一段示教给它。

补什么形式，结果差得不小：只给一段文字说明，成功率 60%；给一段人站在旁边拍的视频，73.3%；给人遥控机器人做一遍、把机械臂每一刻的轨迹和夹爪开合都录下来的数据，86.7%。

他们自己做过一组对比，结果更值钱。同一个任务，固定按“真机—仿真—真机”的顺序走，成功率是零；把“什么时候该仿真”交给模型自己判断，才做到一百。该仿真就仿真，不该仿真就别仿真，听上去像句废话，但按固定顺序走出来的结果就是零。

大晓机器人人形机器人