उत्तरप्रकाशित17 स्रोत
PhysBrain 1.5 रोबोट के लिए क्या करता है, और 72.5 का स्कोर क्या बताता है?
PhysBrain 1.5 एक साझा मॉडल से दृश्य और स्थान संबंधी जवाब, रोबोट के अंतिम सिरे की गति और आगे की दृश्य स्थिति तैयार करता है। [1][8] DeepCybo के अनुसार, 8B संस्करण ने 28 समझ संबंधी बेंचमार्क पर औसतन 72.5 अंक हासिल किए; यह वास्तविक रोबोट से काम पूरा होने की दर नहीं है। [1][9][10] 2B और 8B मॉडल के वेट उपलब्ध हैं। इस्तेमा...
प्रकाशितकर्ताGPT-6 Sol से संपादितGPT Image 2 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- PhysBrain 1.5 एक साझा मॉडल से दृश्य और स्थान संबंधी जवाब, रोबोट के अंतिम सिरे की गति और आगे की दृश्य स्थिति तैयार करता है। [1][8]
- DeepCybo के अनुसार, 8B संस्करण ने 28 समझ संबंधी बेंचमार्क पर औसतन 72.5 अंक हासिल किए; यह वास्तविक रोबोट से काम पूरा होने की दर नहीं है। [1][9][10]
- 2B और 8B मॉडल के वेट उपलब्ध हैं। इस्तेमाल से पहले टीमों को नतीजे दोहराने और अपने रोबोट पर वास्तविक कार्य परीक्षण करने चाहिए। [1][9][10][11]
AI संकेत
openai.comCreate a landscape editorial hero image for this Studio Global article: What is DeepCybo’s open-source PhysBrain 1.5 physical foundation model, how do its 2B and 8B versions unify embodied understanding, action g. Article summary: PhysBrain 1.5 is DeepCybo’s open-weight attempt to put scene understanding, robot-action generation, and prediction of what happens next into one vision-language model. Its published 28-benchmark result is strong evidenc. Topic tags: general, academic, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, char
PhysBrain 1.5 का मकसद रोबोट से जुड़े तीन सवाल एक ही मॉडल में संभालना है: सामने क्या है, रोबोट को कैसे चलना चाहिए और उसके बाद दृश्य कैसा हो सकता है? DeepCybo ने इसके 2B और 8B संस्करणों के मॉडल वेट उपलब्ध कराए हैं। लेकिन मॉडल का गति तैयार कर पाना या भविष्य का दृश्य अनुमानित कर पाना, अपने-आप में यह साबित नहीं करता कि रोबोट असल दुनिया में काम भरोसेमंद ढंग से पूरा करेगा। 1
9
10
तीन क्षमताएँ, एक ढाँचा
दोनों संस्करण अपने-अपने आकार के Qwen3-VL विज़न-लैंग्वेज मॉडल पर आधारित हैं। PhysBrain 1.5 दृश्य या स्थान संबंधी जवाब, रोबोट के अंतिम सिरे की गति और भविष्य की दृश्य स्थिति को अलग-अलग टोकन क्रमों के रूप में व्यक्त करता है। भविष्य की स्थिति में रंगीन छवि (RGB), गहराई और दृश्य में रोबोट के घिरे स्थान की जानकारी शामिल हो सकती है। इन सबके लिए अलग कार्य-विशेष आउटपुट मॉड्यूल रखने के बजाय साझा ऑटोरिग्रेसिव मॉडल अगला टोकन अनुमानित करना सीखता है। 1
8
10
यही इसके ‘एक मॉडल’ होने का अर्थ है: दृश्य की समझ, प्रस्तावित गति और उसके संभावित नतीजे को एक साझा प्रशिक्षण ढाँचे में लाना। यह दावा नहीं कि हर प्रस्तावित गति किसी वास्तविक रोबोट पर सफलतापूर्वक चलाई जा चुकी है। 1
8
प्रशिक्षण सिर्फ मानव वीडियो पर नहीं हुआ
DeepCybo के बताए प्रशिक्षण के दो चरण हैं। पहले चरण में कार्य-केंद्रित मानव गतिविधियों के वीडियो से दृश्य और कार्य का संदर्भ, उनसे पुनर्निर्मित गति तथा बाद के अवलोकन जोड़े जाते हैं। फिर सुपरवाइज़्ड फाइन-ट्यूनिंग में मानव प्रदर्शनों, रोबोट की गतियों और सिमुलेशन से मिले अनुभव का मिश्रण इस्तेमाल होता है। इसलिए पूरे मॉडल को ‘सिर्फ मानव वीडियो पर प्रशिक्षित’ कहना सही नहीं होगा। 1
12
72.5 अंक का मतलब—और उसकी सीमा
DeepCybo की प्रकाशित तुलना में PhysBrain 1.5-8B ने 28 embodied-understanding बेंचमार्क पर औसतन 72.5 अंक हासिल किए। यह तुलना में शामिल ओपन मॉडल में सबसे ऊपर रहा और 14 अलग-अलग बेंचमार्क पर ओपन मॉडल में सर्वोत्तम स्कोर पाया। 2B संस्करण का रिपोर्ट किया गया औसत 66.6 है। ये परीक्षण दृश्य-स्थानिक पहचान, 3D और कई कोणों से समझ, रोबोट के संदर्भ में तर्क व योजना, वस्तुओं की पहचान और उनके साथ संभव क्रियाओं की समझ, तथा दृश्य गति-पथ से जुड़े तर्क को कवर करते हैं। 1
9
10
11
उसी प्रकाशित तुलना में 8B मॉडल का 72.5 स्कोर मालिकाना मॉडल GPT-6-Astra के 73.3 और Gemini 3.6 Flash के 73.0 के करीब है। इसे DeepCybo की मूल्यांकन व्यवस्था के भीतर की तुलना समझना चाहिए—न कि सभी उपलब्ध मॉडलों की स्वतंत्र रैंकिंग या वास्तविक रोबोट की कार्य-सफलता का माप। 1
18
इस्तेमाल से पहले क्या जाँचें?
DeepCybo ने 2B और 8B चेकपॉइंट, तकनीकी रिपोर्ट और मूल्यांकन संसाधन उपलब्ध कराए हैं। इससे टीमें मॉडल देख सकती हैं और प्रकाशित नतीजे दोहराने की कोशिश कर सकती हैं। पहले हर बेंचमार्क का अलग स्कोर और परीक्षण की शर्तें जाँचनी चाहिए: क्या प्रशिक्षण और परीक्षण डेटा में कोई मेल था, और क्या तुलना वाले मॉडलों को समान परिस्थितियाँ मिली थीं? 1
9
10
11
तैनाती के लिए निर्णायक जाँच अपने रोबोट पर क्लोज़्ड-लूप परीक्षण है—यानी रोबोट कार्रवाई करे, उसका परिणाम देखे और उसके अनुसार अगला कदम बदले। इच्छित वस्तुओं और परिस्थितियों में कार्य-सफलता, गलती से उबरने की क्षमता, प्रतिक्रिया में लगने वाला समय और सुरक्षा मापनी होगी। समझ-संबंधी बेंचमार्क का औसत इन परीक्षणों की जगह नहीं ले सकता। 1
9
10
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"PhysBrain 1.5 रोबोट के लिए क्या करता है, और 72.5 का स्कोर क्या बताता है?" का संक्षिप्त उत्तर क्या है?
PhysBrain 1.5 एक साझा मॉडल से दृश्य और स्थान संबंधी जवाब, रोबोट के अंतिम सिरे की गति और आगे की दृश्य स्थिति तैयार करता है। [1][8]
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
PhysBrain 1.5 एक साझा मॉडल से दृश्य और स्थान संबंधी जवाब, रोबोट के अंतिम सिरे की गति और आगे की दृश्य स्थिति तैयार करता है। [1][8] DeepCybo के अनुसार, 8B संस्करण ने 28 समझ संबंधी बेंचमार्क पर औसतन 72.5 अंक हासिल किए; यह वास्तविक रोबोट से काम पूरा होने की दर नहीं है। [1][9][10]
मुझे अभ्यास में आगे क्या करना चाहिए?
2B और 8B मॉडल के वेट उपलब्ध हैं। इस्तेमाल से पहले टीमों को नतीजे दोहराने और अपने रोबोट पर वास्तविक कार्य परीक्षण करने चाहिए। [1][9][10][11]