ACE-Ego は、身体化された知能とロボット操作の事前トレーニングのためのオープンソース研究プロジェクトです。これは、形態学的条件コーディングを通じて同じ VLA モデルを異なるロボット オントロジーに適応させる方法を提案しており、双腕協調操作シナリオでうまく機能します。

ACE-Ego の完全なレビュー

コアパラメータと統計

プロジェクト	仕様
製品のポジショニング	クロスオントロジー具現化操作VLA研究プロジェクト
開発庁	ACEロボティクス研究チーム
コアテクノロジー	統合されたカメラ空間アクション + 形態学的条件コーディング
トレーニング データ	600 時間以上の人間の一人称ビデオ + ロボット/シミュレーション データ
評価ベンチマーク	ロボツイン 2.0 イージー/ハード
評価スコア	91.12% / 90.62%
コードのステータス	近日公開

ACE-Ego は、実際的な質問に答えます。ロボットが異なれば、ジョイントの数、アームの長さ、グリッパーのタイプも異なります。従来のアプローチでは、ロボットごとに個別のモデルをトレーニングします。 ACE-Ego のアイデアは、「ロボットがどのように見えるか」を条件情報としてモデルに供給することに依存して、1 つのモデルを使用してすべてのロボットに適応させることです。

宣伝検証:「精度 91.12%/90.62%」 - これらの数値は、ビニール袋の包装、靴の箱詰め、その他の小売業務シナリオを含む特定のベンチマーク タスクで達成されています。さまざまなシナリオやロボットの実際のパフォーマンスは変動し、ベンチマーク テスト環境と実際の生産ライン環境の間にはギャップが生じます。

ユーザーと市場の認識

ACE-Ego はまだ学術研究の段階にあり、論文やプロジェクト ページを通じて一般に公開されています。その技術的価値は、RoboTwin 2.0 ベンチマークで 90% 以上の結果を達成する、スケーラブルなクロスオントロジー VLA 事前トレーニング フレームワークを提案することにあります。プロジェクトのコードはまだオープンソース化されていませんが、論文で説明されているソリューションは、マルチロボットの操作学習のための新しい技術的ルートを提供します。

宣伝検証:「精度 91.12%/90.62%」 - これらの数値は、ビニール袋の包装、靴の箱詰め、その他の小売業務シナリオを含む特定のベンチマーク タスクで達成されています。さまざまなシナリオやロボットの実際のパフォーマンスは変動し、ベンチマーク テスト環境と実際の生産ライン環境の間にはギャップが生じます。

コストメリット

寸法	説明
論文とプロジェクトのページ	無料公開
コード	近日公開 (オープンソースになる予定)
API サービス	提供されていません
商用ライセンス	未公開

無料の真実: 研究論文とプロジェクト ページは無料ですが、結果を再現するには独自のロボット ハードウェアとトレーニングされたコンピューティング能力が必要です。双腕ロボット プラットフォームのコストは 5 万ドルから 20 万ドルで、VLA モデルのトレーニングにはマルチカード GPU クラスターが必要です。ハードウェア条件のない研究チームの場合、検証にかかるコストは、論文を読むコストがゼロであるよりもはるかに高くなります。

主な機能

• オントロジー全体にわたる統合 VLA: 形態学的条件エンコーディングを通じて、同じモデルが異なるロボットの運動学的構造 (URDF 情報) に適応し、ロボットの種類ごとに個別のトレーニングを行う必要はありません。 「1 台のロボット、1 モデル」から「1 つのモデルを複数のロボットで共有」することで、モデルの保守コストが大幅に削減されます。
• 両部門の連携による複雑な業務: ビニール袋の梱包や靴の箱詰めなど、両部門の連携が必要な小売業務シナリオをサポートします。ロボット操作では、左手で物体を固定し、右手で操作を行う両腕の調整が難しいところです。 2 セットの運動チェーンは、時間と空間において正確に位置合わせされる必要があります。
• 混合データの事前トレーニング: 人間の一人称視点ビデオ (6.0,000 時間以上)、ロボットの遠隔操作データ、および共同事前トレーニング用のシミュレーション ロールアウト データを融合します。人間のビデオは豊富な操作の多様性を提供し、ロボットのデータは正確なアクションの注釈を提供し、シミュレーション データは探索的な操作の軌跡を補足します。

モデルとバージョンの進化

メインライン リリース

• ~2026-06: ACE-Ego の論文とプロジェクト ページが初めて公開され、コードは近日公開予定です。

技術的な利点

ACE-Ego の核となる技術的進歩は、「モデルがどのように見えるかを理解させる方法」です。従来の VLA 方式はロボット本体が固定されていることを前提としています。 ACE-Ego は、次の 2 つの主要な設計を通じてこの想定を打破します。

1. 均一なカメラ空間アクション: ロボットが異なれば、機械アームの長さも関節角度範囲も異なります。同じ「前方につかむ」動作でも、関節空間ではまったく異なる表現が得られます。 ACE-Ego は、アクションをカメラ座標系で均一に表現します。ロボットの外観に関係なく、「手を画面の右前方に 10 センチメートル移動する」という目標は一貫してカメラ空間で表現されます。

2. 形態的条件コーディング: ロボットの URDF (統一ロボット記述形式) 構造と運動学的制約情報をモデル入力に追加します。これにより、モデルは「現在どのロボットを使用しており、その関節がどのように回転するか」を認識できるようになります。その結果、同じネットワーク パラメーターのセットが、異なるロボット上の異なるサブネットワーク パスをアクティブ化します。

使い方

ACE-Ego は現在研究論文として公開されており、コードはまだ公開されていません。推定使用プロセス:

1. プロジェクト ページにアクセスして、技術的なソリューションについて学びます
2. GitHub コードがオープンソースになるのを待ってダウンロードします。
3. ドキュメントに従ってトレーニング環境とロボットのハードウェアを構成します。
4. 事前トレーニングデータを準備またはダウンロードする
5. 微調整するか、ターゲット ロボットに直接展開する

製品の価格設定

現時点では商用形式はなく、完全に研究コミュニティ向けです。コードは学術オープンソース ライセンス (MIT/Apache 2.0 など) に基づいてオープンソース化されることが予想されており、商用利用には特定のライセンス条項の確認が必要です。

人間とマシンのコラボレーション境界: 100% 自動化: モデル推論とロボット操作の実行。手動介入が必要です: 品質検査と動作結果のランダム検査、異常事態に対する手動介入、トレーニング データとシーン設計の調整。オントロジー間で移行する場合、移行の効果が期待どおりであるかどうかを手動で確認する必要があります。

アプリケーションのシナリオ

• 小売倉庫業務の自動化: ビニール袋の梱包、靴の箱詰め、製品の仕分けなどの両アームの共同作業。ACE-Ego のクロスオントロジー機能は、同じモデルのセットを異なるタイプのロボットに展開できることを意味し、複数のロボットが倉庫内で同時に実行されるシナリオに適しています。
• 複数のロボットの統合配備: 工場や倉庫には、異なるブランドやモデルのロボットが混在しています。 ACE-Ego を使用すると、運用保守チームは同じモデルのセットを使用してすべてのロボットを管理できるため、「ロボットごとの AI モデル」の保守負担が軽減されます。
• ロボットスキル伝達研究: 1 台のロボットで訓練されたスキルは、モデルのクロスオントロジー機能を通じて別のロボットに伝達されます。異なるハードウェア プラットフォーム間で運用スキルを移行する必要がある研究開発チームに適しています。

シナリオを中止する: ロボットにモデルが 1 つしかなく、短期間で置き換えられない場合、特別にトレーニングされた単一の VLA モデルは通常、クロスオントロジー モデルよりも優れたパフォーマンスを発揮します。汎化機能の向上は、特定のロボットの精度を犠牲にして行われます。 ACE-Egoの価値は、「複数モデルの一元管理」が必要なシーンで最大限に発揮されます。

現在の制限: コードはまだオープンソースではなく (近日公開予定)、技術的ソリューションは論文を通じてのみ評価できます。 RoboTwin 2.0 のテスト シナリオは小売業であり、他のシナリオ (精密組み立て、医療手術など) での汎用化能力は検証されていません。

該当する人

• 身体性知能研究者: VLA、クロスオントロジー一般化、およびマルチタスク ロボット学習に焦点を当てている学術研究者。
• ロボット アルゴリズム チーム: 複数のロボット オントロジーを同時に管理し、クロスオントロジー モデルと単体モデルのコスト パフォーマンスを評価する必要があるアルゴリズム エンジニア。
• 小売および倉庫オートメーション チーム: 実際の運用シナリオには、複数の種類のロボットと協力するエンジニアリング チームが含まれます。

概要と展望

同社は、その分野で競争力のあるソリューションを提供しており、その核となる価値は、この分野での AI 利用の敷居を下げることにあります。

現在の制限事項: 一部の高度な機能には有料のサブスクリプションが必要であり、無料版には機能または使用制限があります。具体的な技術的詳細と性能ベンチマークはまだ完全には開示されていません。

関連ツール: hugging-face、replicate

バージョン情報

• エース・エゴ ：最初の公開論文とプロジェクト ページ、GitHub コードは近日公開予定ですが、正式な正確な日付はまだありません。 （~2026-06）
• エース・エゴ ：初公開ですが、正式な正確な日付はまだありません。 （~2026-06）