Embodied-R1.5 是一个统一的 Embodied Foundation Model，基于 Qwen3-VL-8B-Instruct 构建，在单一架构中整合具身推理能力。它从 Embodied-R1 的指向能力扩展到空间认知与推理、任务规划与纠错、具身指向与定位，覆盖几何关系、交互可能性、长程分解、下一步规划、错误定位与修正等能力。

模型使用 15B-token 语料训练，并采用多任务均衡的 RL 配方；训练流程分为 SFT 和 RFT 两阶段，分别使用 LLaMA-Factory 和 EasyR1。它还驱动 Planner-Grounder-Corrector 闭环框架，使同一模型承担 planner、grounder 和 corrector，以自主完成长程真实世界任务。

使用上遵循 Qwen3-VL chat 格式，答案放在指定标签内，支持选择、数值、开放问答、数学、空间 grounding、点、轨迹和 3D 轨迹等输出；点和框坐标归一化到 [0,1000]，3D 轨迹深度单位为米。推荐用 vLLM 做高吞吐推理，基准评测可配合 EmbodiedEvalKit，许可为 Apache 2.0。