# PhysBrain1.5-2B

> 权威词条地址：https://robotics.hellobike.com/models/deepcybo-physbrain1-5-2b
> 所属分类：models | 最近核验日期：2026-09-16 | 技术层级：L7

## 核心摘要

DeepCybo 在 Hugging Face 发布的机器人模型，架构为 Qwen3VLForConditionalGeneration，参数规模 2.2B。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L7"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/DeepCybo/PhysBrain1.5-2B"}] |
| `updated` | 2026-09-16 |
| `family` | other |
| `params` | 2.2B |
| `architecture` | Qwen3VLForConditionalGeneration |
| `action_representation` | 连续关节位置/末端位姿动作空间 |
| `code_license` | Apache-2.0 |
| `weights_license` | Apache-2.0 |
| `data_formats` | ["SafeTensors"] |
| `status` | research |
| `hub_id` | DeepCybo/PhysBrain1.5-2B |
| `hub_stats` | {"downloads": 449, "likes": 13, "as_of": "2026-10-21"} |
| `overview_sources` | ["https://huggingface.co/DeepCybo/PhysBrain1.5-2B"] |

## 技术详解与生态说明

PhysBrain 1.5 是一个具身视觉语言模型，面向物理交互中的观察理解、目标导向动作生成和环境演化预测。它把智能体—环境交互建模为闭环：由观测进行推理和行动，行动改变环境，更新后的状态再作为下一次观测输入。

模型使用预训练 Qwen3-VL 作为 backbone，并扩展了专用的动作 token 与视觉状态 token。语言回答、结构化空间输出、末端执行器轨迹和未来世界状态都被表示为离散 token，通过共享自回归 backbone 和统一的 next-token prediction 目标联合学习，不使用任务专用 head。

评测覆盖 28 个具身空间智能与规划基准，包含视觉空间感知、3D 与多视角空间理解、具身认知推理与规划、空间 grounding/pointing/affordance、视觉轨迹推理，以及动作预测和未来状态预测。模型接口兼容 Transformers、vLLM、SGLang、LLaMA-Factory、ms-swift 和 veRL 等推理与后训练基础设施。

## 原始核验来源 (Sources)

- [Hugging Face DeepCybo/PhysBrain1.5-2B](https://huggingface.co/DeepCybo/PhysBrain1.5-2B)