PhysBrain 1.5 satukan pemahaman, tindakan dan ramalan robot

PhysBrain 1.5 ialah model AI berwajaran terbuka daripada DeepCybo yang direka untuk mentafsir persekitaran, menghasilkan pergerakan robot dan meramal keadaan selepas pergerakan itu. Perbezaan penting bagi bakal pengguna: keputusan yang diterbitkan mengukur terutamanya pemahaman persekitaran oleh AI untuk robot, bukan kadar kejayaan robot melaksanakan tugas fizikal. 1910

Bagaimana tiga keupayaan digabungkan?

Versi 2B dan 8B dibina berasaskan model penglihatan-bahasa Qwen3-VL yang sepadan. Daripada menggunakan komponen keluaran berasingan bagi setiap tugas, PhysBrain 1.5 mewakili jawapan bahasa dan ruang, gerakan bahagian hujung lengan robot, serta ramalan keadaan visual sebagai jujukan token diskret. Model autoregresif yang sama dilatih untuk meramal token seterusnya. Ramalan visual itu merangkumi imej warna RGB, maklumat kedalaman dan kawasan yang dijangka diduduki robot. 1810

Dengan format bersama ini, model boleh mempelajari hubungan antara apa yang dilihat, gerakan yang dicadangkan dan rupa keadaan selepasnya. Namun, menjana trajektori gerakan tidak sama dengan membuktikan robot berjaya melaksanakannya. 18

Bagaimana model dilatih?

DeepCybo menerangkan dua peringkat. Pada peringkat pralatihan, model belajar daripada video manusia berinteraksi dengan persekitaran untuk menyelesaikan tugas; konteks adegan dan tugas dipadankan dengan gerakan yang dibina semula serta pemerhatian berikutnya. Kemudian, penalaan halus terselia menggunakan gabungan demonstrasi manusia, trajektori robot dan pengalaman simulasi. Jadi, gambaran bahawa keseluruhan model dilatih hanya menggunakan video manusia tidak tepat. 112

Apakah maksud skor dalam 28 ujian?

Menurut DeepCybo, PhysBrain 1.5-8B mencatat purata 72.5 merentas 28 ujian pemahaman persekitaran untuk AI robot. Skor itu tertinggi dalam kalangan model terbuka yang dibandingkannya, manakala versi 8B mendahului model terbuka pada 14 ujian individu. Purata yang dilaporkan untuk versi 2B ialah 66.6. Ujian tersebut meliputi persepsi visual dan ruang, pemahaman 3D serta pelbagai sudut pandangan, penaakulan dan perancangan, pengecaman lokasi objek dan tindakan yang mungkin dilakukan terhadapnya, serta penaakulan tentang trajektori visual. 191011

Dalam jadual perbandingan DeepCybo, skor 8B itu hampir dengan skor model proprietari GPT-6-Astra (73.3) dan Gemini 3.6 Flash (73.0). Ini ialah perbandingan mengikut penilaian yang diterbitkan oleh projek tersebut—bukan kedudukan bebas bagi semua model yang tersedia, dan bukan ukuran kadar robot menyiapkan tugas. 118

Apa yang perlu disemak sebelum digunakan?

DeepCybo telah menyediakan model 2B dan 8B, laporan teknikal serta sumber penilaian. Ini membolehkan pasukan meneliti model dan cuba mengulangi keputusan yang dilaporkan. 191011

Sebelum bergantung pada skor purata, semak keputusan setiap ujian, tetapan penilaian, kemungkinan pertindihan antara data latihan dan data ujian, serta sama ada model perbandingan dinilai dalam keadaan setara. Untuk penggunaan sebenar, ujian yang lebih menentukan ialah pelaksanaan berulang pada robot sasaran: kadar kejayaan tugas, keupayaan pulih daripada kesilapan, masa tindak balas dan keselamatan apabila berdepan objek serta keadaan yang akan ditemuinya. Skor pemahaman yang diterbitkan tidak boleh menggantikan ukuran tersebut. 1910