PhysBrain 1.5: одна модель для понимания сцены, движений робота и прогноза

PhysBrain 1.5 — модель DeepCybo с открытыми весами, которая должна решать три связанные задачи: понимать происходящее в сцене, предлагать движения робота и предсказывать, как изменится обстановка. Главная оговорка при оценке проекта: опубликованные баллы относятся к тестам понимания физической среды, а не к надёжности выполнения задач настоящим роботом. 1910

Что значит «одна модель»

Версии 2B и 8B построены на соответствующих зрительно-языковых моделях Qwen3-VL. PhysBrain 1.5 представляет разные типы результата в виде последовательностей дискретных токенов: текстовые и пространственные ответы, движения рабочего органа робота, а также прогноз изображения, глубины и области, которую займёт робот. Вместо отдельных модулей вывода для каждой задачи используется общая авторегрессионная архитектура, обучаемая предсказывать следующий токен. 1810

Это позволяет модели в общем формате описывать сцену, намечать движение и оценивать его возможный визуальный результат. Сгенерировать траекторию — не то же самое, что успешно выполнить её на физическом роботе. 18

Откуда берутся обучающие данные

DeepCybo описывает обучение в два этапа. На предварительном этапе используются видео взаимодействия людей с предметами: контекст задачи сопоставляется с восстановленным движением и последующими наблюдениями. Затем модель дообучают на сочетании человеческих демонстраций, траекторий роботов и данных симуляции. Поэтому утверждение, что PhysBrain 1.5 обучена только на видео с людьми, верно лишь для предварительного этапа, но не для всего процесса. 112

Что показывают 28 тестов

По данным DeepCybo, PhysBrain 1.5-8B получила средний результат 72,5 балла на 28 тестах и заняла первое место среди открытых моделей, включённых в сравнение. На 14 отдельных тестах она также показала лучший результат среди них. Для версии 2B заявлен средний результат 66,6 балла. Проверки охватывают зрительно-пространственное восприятие, понимание трёхмерных сцен и нескольких ракурсов, рассуждение и планирование, соотнесение объектов с описаниями и возможными действиями, а также анализ визуальных траекторий. 191011

В опубликованной DeepCybo таблице результат версии 8B близок к показателям проприетарных GPT-6-Astra (73,3) и Gemini 3.6 Flash (73,0). Речь идёт о сравнении в рамках заявленной методики проекта, а не о независимом рейтинге всех доступных моделей или измерении успешности роботизированных действий. 118

Что проверить перед применением

DeepCybo опубликовала веса версий 2B и 8B, технический отчёт и ресурсы для оценки моделей. Это даёт командам возможность изучить систему и попытаться воспроизвести результаты. 191011

Прежде чем опираться на средний балл, стоит изучить результаты отдельных тестов, настройки оценки, возможное пересечение обучающих и тестовых данных, а также сопоставимость условий для моделей-конкурентов. Для внедрения важнее испытание с обратной связью на конкретном роботе: справляется ли он с задачей, восстанавливается ли после ошибок, какова задержка и остаётся ли работа безопасной с теми предметами и в тех условиях, для которых его планируют использовать. Опубликованный балл за понимание среды не заменяет таких проверок. 1910