PhysBrain 1.5：從視覺語言模型演進為物理基礎模型
為何重要
此項突破為具身 AI 領域注入了強大的通用推理能力，使 LLM 從單純的文書處理延伸至動態的環境互動，對於機器人廠商與自動化開發者具有重要參考價值。這也顯示開源生態在多模態與物理推理任務上已具備逼近甚至部分超越閉源模型的潛力，可能重塑未來機器人核心模型的評估標準。
我們呈現 PhysBrain 1.5，這是一個統一模型，旨在透過感知、互動與環境變化的迴圈，理解物理環境、生成動作並預測未來狀態。
- 模型發想來自通用視覺語言模型，將語言回應、末端執行器運動與稠密視覺目標編碼為離散序列，並透過自迴歸演算法進行聯合最佳化。
- 預訓練完全取自人類互動影片，接著會混合人類示範、機器人軌跡與模擬經驗進行監督微調。
- 8B 引數模型在 28 個評測基準上，平均分數達到 72.5，逼近 GPT-6-Astra 與 Gemini 3.6 Flash 等閉源模型的表現。
- 該模型在 14 個評測專案上重新整理最佳開源成績，同時仍保留通用多模態能力。