具身智能：空间感知、扩散策略与文本生成设计新进展

统一数据管线结合机器人操控记录与多源视觉数据，自动标注为可验证的 grounding 监督；在约150万样本上微调 Qwen3.5-9B 得到 ACE-Brain-0.6。该模型在7个公开 grounding 基准中4项超越 GPT-6 Astra，平均分75.41对73.68。技术解读：扩展多样化可验证空间监督能显著提升开放9B模型的具身操纵空间感知，无需更大模型。

针对多任务机器人学习中线性组合分数的扩散策略，提出即插即用的得分去相关辅助损失。依据投影组合理论，惩罚组件噪声预测之间的重叠，促进组件专业化。在多个基准上减少双重计数、改善任务分解且不牺牲多任务性能。技术解读：为组合扩散策略提供轻量正则化，利于多任务策略表征。

工具通过文本描述自动完成三维概念形态、真实执行器选型与力矩校核、引脚级布线、2D/3D布局联动、固件代码及打印清单；演示带6自由度臂的移动机器人从无到有。技术解读：AI 做设计决策，传统算法校验物理与连接事实，异常时提示用户，属于硬件合成早期尝试。