注目★★★★★Hugging Face Papers
PhysBrain 1.5、8Bモデルで物理世界を理解し行動を予測
30秒で把握
- 1PhysBrain 1.5が物理環境理解・行動生成・未来予測を単一モデルに統合
- 28Bモデルが28ベンチマーク平均72.5、14項目でオープンソース最高
- 3人間動画で事前学習し、ロボット軌跡とシミュレーションで微調整
要約
PhysBrain 1.5は、物理環境の理解、行動生成、未来状態予測を単一モデルに統合した。言語応答、エンドエフェクタの動き、視覚目標を離散系列として扱い、自己回帰的な次トークン予測で共同学習する。人間のインタラクション動画で事前学習し、人間の実演、ロボット軌跡、シミュレーション経験で教師あり微調整した。28の身体知能ベンチマークで8Bモデルが平均72.5を達成し、オープンソース最高性能を更新した。14ベンチマークでオープンソース最高スコアを記録し、RGB・深度・ロボットマスクからエンドエフェクタ軌跡と未来シーンも生成する。
あなたへの影響
ロボット制御やマルチモーダル認識を扱う日本のエンジニアは、28ベンチマークの評価結果と軌跡生成を次の検証候補として確認すべきです。
推奨：エンドエフェクタはロボットの手先位置を制御する部位を指します。