深度机智开源物理基座PhysBrain 1.5，综合表现逼近GPT-6

物理AI正成为全球人工智能竞技的新赛道。大语言模型已经证明了其出色的思考和语言能力，但当模型尝试进入物理现实、操控机械臂时，瓶颈随之而来。在真实的机械臂测试中，顶尖模型在面对毫米级精细任务（如精准插槽）时，成功率往往急剧下滑。

通用语言能力难以直接填补精细接触与动力学控制的鸿沟。物理智能需要专门构建的基座模型。

针对这一痛点，中国AI公司深度机智正式发布并开源了物理基座模型PhysBrain 1.5，在具身感知、动作生成与未来预测等多维度上取得了关键突破。

28项测试登顶开源榜首，逼近闭源顶尖水平

评估具身智能的综合能力并不容易。深度机智在一组涵盖视觉空间感知、多视角理解、具身认知与规划、空间指向与可供性、视觉轨迹推理五大维度的28项公开基准上对模型进行了严格评估。

测评结果显示，PhysBrain 1.5-8B拿下了72.5的综合均分，位列开源阵营第一，并在其中14项指标中拿下开源最佳。相较此前较强的开源模型Hy-Embodied-VLM-1.0（66.0分）高出约6.5分。

更具突破性的是其与闭源模型的差距：PhysBrain 1.5-8B的72.5分，与GPT-6 Astra（73.3分）以及Gemini 3.6 Flash（73.0分）的差距已收窄至1分以内。

在分项测试中：

• 空间理解（RoboSpatial-Home）：取得73.9分，能够精准建模复杂环境下的物体空间相对位置。
• 可操作部位识别（Part-Affordance）：获得84.0分，不仅理解物体类别，更能判断物体的交互受力点。
• 视觉目标定位（RoboRefit）：达到89.8分，为动作生成提供了稳定的空间锚点。

除8B主力版本外，团队同步开放了轻量级的PhysBrain 1.5-2B版本。在相同评测集上，2B版本取得66.6分，超越了此前表中所有参评的非PhysBrain开源大模型。这大幅降低了开发者本地部署和轻量化微调的门槛。

目前，PhysBrain 1.5的技术报告、2B与8B模型权重及评测工具包已全部上线 Hugging Face 项目主页 与社区开放测试。

Physical Loop：把感知、动作与预测收进统一基座

过去的物理AI方案普遍采用模块拼接方式：感知模型看懂画面，动作模型规划轨迹，预测模型推断变化。拼装架构导致子系统间训练脱节，难以实现动态反馈。

PhysBrain 1.5采用了“Physical Loop”（物理智能循环）架构。团队认为，真正的物理智能是由“观察世界、理解空间、判断后果、执行动作、反馈修正”组成的连贯闭环。

PhysBrain 1.5将原本分散的三个核心环节收敛到同一个自回归模型中：

1. 具身理解：在基础视觉理解上注入物理与空间先验，输出结构化空间坐标和轨迹锚点。
2. 动作生成：通过自研管线将手部及手腕运动转化为离散控制信号，支持多形态机器人泛化部署，无需绑定单一本体。
3. 未来状态预测：给定当前状态与指令，模型能够提前预测1秒后的RGB图像、深度图和机器人空间掩码，为动作执行提供前瞻评估与自我纠错基准。

三个子任务在同一套框架内互为约束、协同优化，终结了多模块松散拼装的工程模式。

人类交互经验：高质量物理数据的新来源

如果训练数据仅包含静态图片或孤立动作，模型便无法学会真实的物理交互逻辑。深度机智选择将人类真实经验作为预训练的核心来源。

团队构建了Ego360全景真实数据体系，通过全景第一视角视频记录周围环境，并同步保留操作者的身体姿态、手部轨迹和任务语音，使数据具备连续的任务推进与状态变化上下文。

配合Human-as-Humanoid转换框架，人类动作能够直接转译为机器人本体能够学习的控制量。在此前自研60自由度拟人体机器人Prime U的验证中，该方案的数据吞吐效率达到传统遥操作的4.8至7.2倍，并在多项任务中完成了从人类视频到真机执行的零样本迁移。

从全景数据采集（Ego360）、物理基座模型（PhysBrain）、动作转译框架（Human-as-Humanoid）到本体真机（Prime系列），深度机智打通了物理AI的全栈闭环。PhysBrain 1.5的开源，不仅展示了以人类学习范式构建物理智能的有效性，也为全球具身智能开发者提供了可对标顶尖商业模型的基础底座。