PhysBrain 1.5: Was das Robotermodell kann – und was seine Testwerte nicht belegen

PhysBrain 1.5 ist DeepCybos Modell mit offen verfügbaren Gewichten für drei eng verbundene Aufgaben: eine Szene interpretieren, eine Roboterbewegung erzeugen und den nächsten Zustand vorhersagen. Für Interessierte ist vor allem eine Unterscheidung wichtig: Die veröffentlichten Ergebnisse betreffen Tests zum Verständnis körperlich handelnder Systeme – nicht den Nachweis, dass ein Roboter Aufgaben in der physischen Welt zuverlässig ausführt. 1910

Wie drei Aufgaben in ein Modell passen

Die 2B- und 8B-Versionen bauen auf den entsprechenden Qwen3-VL-Bild-Sprach-Modellen auf. PhysBrain 1.5 stellt sprachliche und räumliche Antworten, Bewegungen des Roboter-Endeffektors – etwa eines Greifers – sowie vorhergesagte Bildzustände als diskrete Tokenfolgen dar. Zu den vorhergesagten Zuständen gehören RGB-Bilder, Tiefeninformationen und Angaben dazu, welche Bildbereiche vom Roboter belegt sind. Ein gemeinsames autoregressives Modell lernt, jeweils das nächste Token vorherzusagen, statt für jede Aufgabe einen eigenen Ausgabekopf zu verwenden. 1810

So lassen sich Szenenbeschreibung, mögliche Bewegung und deren erwartetes visuelles Ergebnis innerhalb einer Architektur verarbeiten. Eine erzeugte Bewegungsbahn ist aber noch keine erfolgreich ausgeführte Roboterhandlung. 18

Womit wurde PhysBrain 1.5 trainiert?

DeepCybo beschreibt zwei Phasen. Beim Vortraining nutzt das Team auf Aufgaben bezogene Videos menschlicher Interaktionen und verknüpft den Kontext einer Szene mit rekonstruierten Bewegungen und späteren Beobachtungen. Darauf folgt ein überwachtes Feintraining mit einer Mischung aus menschlichen Demonstrationen, Roboterbewegungsdaten und Erfahrungen aus Simulationen. Die Aussage, das Modell sei ausschließlich mit Videos von Menschen trainiert worden, würde daher nur die erste Phase erfassen. 112

Was die 28 Benchmarks aussagen

Für PhysBrain 1.5-8B meldet DeepCybo einen Durchschnittswert von 72,5 über 28 Benchmarks. Unter den offenen Modellen des veröffentlichten Vergleichs liegt es damit vorn; in 14 Einzeltests erzielt es dort den besten Wert. Für die kleinere 2B-Version werden 66,6 Punkte angegeben. Die Tests decken unter anderem visuell-räumliche Wahrnehmung, 3D- und Mehrperspektivenverständnis, Schlussfolgern und Planen, die Zuordnung von Objekten zu möglichen Handlungen sowie das Verständnis visueller Bewegungsverläufe ab. 191011

In DeepCybos Vergleich liegt das 8B-Modell nahe bei den dort aufgeführten proprietären Modellen GPT-6-Astra (73,3) und Gemini 3.6 Flash (73,0). Das ist ein Vergleich unter den veröffentlichten Testbedingungen – weder eine unabhängige Rangliste sämtlicher Modelle noch eine Messung erfolgreich erledigter Roboteraufgaben. 118

Was Teams vor einem Einsatz prüfen sollten

DeepCybo stellt 2B- und 8B-Checkpoints, einen technischen Bericht und Evaluationsressourcen bereit. Damit können Teams die Modelle untersuchen und versuchen, die gemeldeten Ergebnisse nachzuvollziehen. 191011

Vor der Bewertung des Durchschnittswerts lohnt sich ein Blick auf die einzelnen Benchmarks und Testeinstellungen: Überschneiden sich Trainings- und Testdaten? Wurden Vergleichsmodelle unter gleichwertigen Bedingungen geprüft? Für einen praktischen Einsatz zählt anschließend der Test am vorgesehenen Roboter mit Rückkopplung aus der realen Umgebung: Wie oft gelingt die Aufgabe, wie erholt sich das System von Fehlern, wie schnell reagiert es und wie sicher arbeitet es mit den tatsächlich vorkommenden Gegenständen und Bedingungen? Der veröffentlichte Verständniswert ersetzt diese Messungen nicht. 1910