AnswersPublished17 sources
PhysBrain 1.5: одна модель для розуміння сцени, дій робота та прогнозу
Версії PhysBrain 1.5 на 2B і 8B поєднують відповіді про сцену, рух робота та прогноз майбутнього стану в одній авторегресійній моделі. За даними DeepCybo, версія 8B набрала 72,5 бала в середньому за 28 тестами розуміння фізичного середовища.
ОпублікувавВідредаговано за допомогою GPT-6 SolЗображення створено за допомогою GPT Image 2
Research answer
Key takeaways
- Версії PhysBrain 1.5 на 2B і 8B поєднують відповіді про сцену, рух робота та прогноз майбутнього стану в одній авторегресійній моделі.
- За даними DeepCybo, версія 8B набрала 72,5 бала в середньому за 28 тестами розуміння фізичного середовища.
- Ваги моделей і матеріали для оцінювання доступні, але перед використанням слід відтворити результати й перевірити роботу системи на своєму обладнанні.
AI Prompt
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 — модель DeepCybo з відкритими вагами, задумана для трьох пов’язаних завдань: розуміти побачену сцену, генерувати рух робота й прогнозувати, що зміниться після дії. Для тих, хто розглядає її використання, головне розрізняти результати тестів на розуміння фізичного середовища і доведену здатність робота надійно виконувати завдання з реальними предметами. 1
9
10
Як три завдання вмістилися в одній моделі
Версії 2B і 8B побудовані на відповідних візуально-мовних моделях Qwen3-VL. Замість окремих модулів для відповідей, дій і прогнозів PhysBrain 1.5 подає їх як послідовності дискретних токенів — елементів, які модель вчиться передбачати один за одним. Так можна представити текстові й просторові відповіді, рух робочого органа робота та прогноз майбутнього зображення: кольорових кадрів RGB, даних про глибину й про те, яку частину простору займатиме робот. 1
8
10
Спільний формат дає змогу навчати ці виходи в одній авторегресійній архітектурі. Але згенерована траєкторія — це ще не підтвердження того, що робот успішно й безпечно її виконає. 1
8
На чому навчають PhysBrain 1.5
DeepCybo описує два етапи. Під час попереднього навчання модель використовує відео взаємодії людей із предметами: контекст завдання поєднують із реконструйованим рухом і подальшими спостереженнями. Потім іде навчання на прикладах із суміші людських демонстрацій, траєкторій роботів і даних симуляції. Тому твердження, що всю модель навчено лише на відео людей, було б неточним. 1
12
Що насправді показують 72,5 бала
За опублікованими DeepCybo результатами, PhysBrain 1.5-8B набрала в середньому 72,5 бала у 28 тестах втіленого ШІ — найвищий показник серед відкритих моделей у порівнянні компанії. У 14 окремих тестах вона також показала найкращий результат серед цих моделей. Для версії 2B заявлено середній бал 66,6. Тести охоплюють зорово-просторове сприйняття, розуміння 3D-сцен і різних ракурсів, міркування та планування, визначення об’єктів і можливих дій із ними, а також аналіз візуальних траєкторій. 1
9
10
11
У таблиці DeepCybo результат 8B близький до показників пропрієтарних GPT-6-Astra (73,3) і Gemini 3.6 Flash (73,0). Це порівняння за опублікованою оцінкою проєкту, а не незалежний рейтинг усіх моделей і не вимірювання частки успішно виконаних роботом завдань. 1
18
Що перевірити перед використанням
DeepCybo оприлюднила ваги версій 2B і 8B, технічний звіт і ресурси для оцінювання. Це дає командам змогу дослідити моделі та спробувати відтворити результати. 1
9
10
11
Перед тим як покладатися на середній бал, варто звірити результати кожного тесту, налаштування оцінювання, можливий перетин навчальних і тестових даних та однаковість умов для моделей у порівнянні. А перед впровадженням потрібні випробування із зворотним зв’язком на конкретному роботі: чи завершує він завдання, як виправляє помилки, скільки часу потребує на реакцію і чи залишається безпечним із тими предметами та в тих умовах, де працюватиме. Опублікований бал не замінює цих вимірювань. 1
9
10
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "PhysBrain 1.5: одна модель для розуміння сцени, дій робота та прогнозу"?
Версії PhysBrain 1.5 на 2B і 8B поєднують відповіді про сцену, рух робота та прогноз майбутнього стану в одній авторегресійній моделі.
What are the key points to validate first?
Версії PhysBrain 1.5 на 2B і 8B поєднують відповіді про сцену, рух робота та прогноз майбутнього стану в одній авторегресійній моделі. За даними DeepCybo, версія 8B набрала 72,5 бала в середньому за 28 тестами розуміння фізичного середовища.
What should I do next in practice?
Ваги моделей і матеріали для оцінювання доступні, але перед використанням слід відтворити результати й перевірити роботу системи на своєму обладнанні.