PhysBrain 1.5 unisce comprensione, azione e previsione per i robot

PhysBrain 1.5 è il modello a pesi disponibili sviluppato da DeepCybo per collegare tre capacità: interpretare una scena, generare il movimento di un robot e prevedere come potrebbe cambiare l’ambiente. Per chi valuta di usarlo, la distinzione decisiva è questa: i risultati pubblicati riguardano soprattutto la comprensione dell’ambiente fisico, non l’affidabilità di un robot mentre manipola oggetti nel mondo reale. 1910

Un solo modello per risposte, movimenti e previsioni

Le versioni 2B e 8B partono dai rispettivi modelli visione-linguaggio Qwen3-VL. PhysBrain 1.5 rappresenta come sequenze di token discreti sia le risposte linguistiche e spaziali sia i movimenti dell’organo terminale del robot — per esempio, la pinza — e gli stati visivi futuri. Questi ultimi comprendono immagini RGB, informazioni di profondità e dati sulla porzione di spazio occupata dal robot. Un’unica architettura autoregressiva viene addestrata a prevedere il token successivo, senza moduli di uscita separati per ciascun compito. 1810

Il vantaggio progettuale è poter trattare nello stesso formato ciò che il modello riconosce, il movimento che propone e l’esito visivo che prevede. Una traiettoria generata, però, non equivale a un movimento eseguito con successo da un robot. 18

Come viene addestrato

DeepCybo descrive due fasi. Nel preaddestramento usa video di interazioni umane organizzati intorno a un compito, associando il contesto della scena e dell’obiettivo a movimenti ricostruiti e osservazioni successive. Segue un affinamento supervisionato su una combinazione di dimostrazioni umane, traiettorie robotiche ed esperienze simulate. Dire che il modello è addestrato soltanto su video umani descriverebbe quindi in modo incompleto il processo. 112

Che cosa indicano i 72,5 punti

Secondo DeepCybo, PhysBrain 1.5-8B ottiene una media di 72,5 su 28 benchmark di comprensione dell’ambiente fisico: è primo tra i modelli aperti inclusi nel confronto e registra il miglior risultato di quel gruppo in 14 prove. Per la versione 2B, la media dichiarata è 66,6. I test coprono percezione visuo-spaziale, comprensione 3D e da più punti di vista, ragionamento e pianificazione, individuazione di elementi nello spazio e delle loro possibilità d’uso, oltre al ragionamento sulle traiettorie visive. 191011

Nella tabella pubblicata da DeepCybo, il punteggio dell’8B è vicino a quelli attribuiti ai modelli proprietari GPT-6-Astra (73,3) e Gemini 3.6 Flash (73,0). Si tratta di un confronto nelle condizioni di valutazione riportate dal progetto, non di una classifica indipendente di tutti i modelli disponibili né di una misura dei compiti completati da robot fisici. 118

Cosa verificare prima di impiegarlo

DeepCybo ha reso disponibili i checkpoint 2B e 8B, il rapporto tecnico e risorse per la valutazione: materiale da cui partire per esaminare i modelli e tentare di riprodurre i risultati. 191011

Prima di prendere la media come riferimento operativo, un team dovrebbe controllare i risultati delle singole prove, le impostazioni di valutazione, l’eventuale sovrapposizione tra dati di addestramento e test e la comparabilità delle condizioni applicate agli altri modelli. Per un impiego concreto conta soprattutto una prova a ciclo chiuso sul robot previsto: percentuale di compiti riusciti, recupero dagli errori, tempi di risposta e sicurezza con gli oggetti e nelle condizioni che incontrerà davvero. Il punteggio pubblicato sulla comprensione non sostituisce queste misure. 1910