大晓联合NTU开源L5级具身数据集ACE-Data-0，首创双尺度家庭场景连续采集系统，实现1700万帧视频、200类任务、7.5万交互片段的毫秒级时空对齐，同步涵盖视觉、运动、触觉、音频与语言模态。它突破短时动作局限，完整记录人类真实规划、接触反馈与任务演化过程，并构建三级评测基准，为VLA、世界模型与机器人策略学习提供首个高保真物理智能数据底座。
近日，大晓机器人联合南洋理工大学S-Lab正式开源ACE-Data-0——全球首个达到L5级别的多模态具身物理智能数据集。该数据集突破传统视频数据局限，依托原创环境式采集引擎ACE与“具身模型信息密度定律”，首次实现真实家庭场景中感知、动作、接触、状态与任务逻辑的全链路高保真记录。不同于碎片化短时动作采集，ACE-Data-0覆盖150小时连续行为、1700万帧多视角视频、200类开放任务、50名真实参与者、2个全功能家居环境及7.5万个交互片段，同步采集第一人称视觉、多视角第三人称影像、全身与手指级运动捕捉、物体六自由度轨迹、全手掌触觉压力、多通道音频及自然语言描述，并全部统一至毫秒级时间线与共享世界坐标系。其创新性体现在三重维度：一是“完整物理过程”——拒绝孤立帧，记录从意图生成、犹豫调整、接触发生、力反馈变化到任务闭环的连续因果链；二是“双尺度协同采集”——桌面系统聚焦指尖级手—物交互（如切割、折叠），房间系统追踪跨空间长程活动（如备餐全流程），二者共用标定、同步与质检体系；三是“目标导向真实性”——仅设定任务目标，不限定操作路径，完整保留人类规划偏差、中途修正、意外响应等关键认知信号。基于此，大晓构建了业内首个三级具身评估基准：底层接触推断、中层人体与物体状态恢复、高层手—物交互理解，实证揭示当前主流模型在遮挡、自运动、长时序依赖与触觉耦合等核心环节仍存在系统性短板。ACE-Data-0不仅是一组数据，更是面向模仿学习、VLA、世界模型与机器人策略迁移的通用物理智能基础设施，标志着具身AI正从‘看见动作’迈向‘理解行动’的本质跃迁。
来源：雷峰网