PhysBrain 1.0：全球首个基于人类学习范式的具身智能大模型，让机器人真正拥有“物理常识”

核心摘要（Key Takeaways）

PhysBrain 1.0 是深度机智（DeepCybo）推出的全球首个基于人类学习范式的具身通用智能基础模型，于2025年3月27日中关村论坛正式发布。
它不再依赖传统的“行为克隆”，而是通过分析大规模人类第一人称视频，提取场景要素、空间动态和动作执行等结构化信息，让机器人学会“为什么这么干”，而不仅仅是“怎么干”。
在 SimplerEnv‑WidowX 等具身控制基准上，PhysBrain 1.0 取得 80.2% 的平均成功率，比此前最优模型高出 1 个百分点，较 π0.5、GR00T 等领先方案提升超过 23 个百分点。
模型已全面开源，权重与推理代码均可获取，研究者只需基于 starVLA 框架即可快速部署与微调。
官网唯一入口：**https://deepcybo.top/**，官方模型权重托管在 🤗 Hugging Face。

一、PhysBrain 1.0 是什么？

PhysBrain 1.0 是由深度机智（DeepCybo）提出的一种物理智能基础模型，它不像传统机器人模型那样通过海量机械轨迹进行行为模仿，而是转向物理常识的内化——让机器人像人类一样，先理解世界的物理规律，再去做动作。

核心定义：PhysBrain 1.0 是首个规模化物理智能数据引擎+具身通用大模型系统，能够将大规模人类自我中心视频转化为结构化的物理常识监督信号，并最终驱动 VLA（视觉‑语言‑动作）策略实现更强的泛化能力。

PhysBrain 1.0 官网截图

这一模型于 2025 年 3 月 27 日 在中关村论坛正式发布，由北京中关村学院与中关村人工智能研究院联合孵化的深度机智公司推出。它标志着具身智能从“动作模仿”时代进入“原理解构”时代。

二、主要功能与核心技术特点

PhysBrain 1.0 并非单一的模型，而是一个由三大支柱构成的完整系统：PhysBrain 基础模型 × TwinBrainVLA 架构 × LangForce 训练策略。

1. 物理常识数据引擎 —— 打破机械数据的枷锁

传统 VLA 模型需要大量昂贵的闭环机器人演示，而 PhysBrain 1.0 另辟蹊径，直接从海量人类自我中心视频中提取物理理解。

Schema‑Driven Annotation Pipeline（模式驱动的标注流水线）：系统首先从视频中提取结构化的场景元信息，包括三个顶层字段：
- scene_elements（场景要素）：检测目标物体及其属性
- spatial_dynamics（空间动态）：追踪物体在操作过程中的空间关系变化
- action_execution（动作执行）：识别物理上可行的动作并评估其与任务目标的对齐程度
这些显式的物理因子随后被转化为大规模的物理基础问答对（QA），用于训练 PhysBrain VLM。
最终形成的数据集被命名为 Egocentric2Embodiment (E2E‑3M)，包含数以百万计的训练样本，为机器人提供了无机械演示数据的物理先验。

2. LangForce —— 从行为克隆转向物理常识获取

LangForce 是 PhysBrain 1.0 特有的训练策略，它基于贝叶斯统计视角，根本上改变了 VLA 的学习目标：

不再让模型死记硬背动作序列，而是强迫模型通过语言引导（Language‑driven）去推理物理场景中的因果逻辑。
打破“视觉捷径”困局：模型必须理解物体排列、空间演化、动作可行性，而非简单地从视觉输入预测动作。
最终得到的 PhysBrain 可以“理解为什么做”，从而在全新、未见过的场景中保持高成功率。

3. TwinBrainVLA 双系统架构 —— 思考与行动分离

在机器人的实际控制中，PhysBrain 1.0 采用 System 2 + System 1 的双系统设计（受 GR00T N1.5 启发）：

System 2（PhysBrain）：负责高层语义理解与推理，处理自我中心图像序列与语言指令，生成多模态隐藏状态表示。
System 1（Flow‑Matching 动作专家）：基于扩散变压器（DiT），将 PhysBrain 的高层表征转化为连续动作序列。只需 8 步去噪就可以生成 16 步的动作块，极其轻量高效。

这种架构确保了模型的泛化能力和样本效率：在 SimplerEnv 等具身控制基准上，即使只经过少量微调，PhysBrain 也能超越大量使用机械数据训练的基线模型。

4. 跨基准 SOTA 表现 —— 数据为证

根据官方技术报告（arXiv:2605.15298），PhysBrain 1.0 在多个具身智能基准上取得最高水平：

SimplerEnv‑WidowX：平均成功率达到 80.2%，比前最强模型 Xiaomi‑Robotics‑0 高出 1.0 个百分点，相对 π0.5 和 Isaac‑GR00T‑N1.6‑Bridge 高出 23.1 个百分点。
LIBERO、RoboCasa 等复杂桌面操控任务：在 RoboCasa Tabletop 的 24 项任务中展示出一致的性能提升。
ERQA、PhysBench 等多模态物理问答基准上也获得顶尖结果。
特别地，物理先验使模型在域外泛化（out‑of‑domain） 方面表现尤为突出，证明了物理常识迁移的有效性。

三、如何使用 / 安装 PhysBrain 1.0

PhysBrain 1.0 目前已经全面开源，研究者和开发者可以通过以下步骤快速上手：

1. 获取模型权重

所有模型检查点都已上传至 🤗 Hugging Face，包括针对不同机器人平台微调的版本：

模型组件	状态	说明
PhysBrain 1.0 VLA（RoboCasa Fine‑Tuned）	✅ 可用	适用于 RoboCasa 桌面操控任务
PhysBrain 1.0 VLA（LIBERO Fine‑Tuned）	✅ 可用	适用于 LIBERO 基准
PhysBrain 1.0 VLA（SIMPLER WidowX Robot Fine‑Tuned）	✅ 可用	WidowX 机器人策略
PhysBrain 1.0 VLA（SIMPLER Google Robot Fine‑Tuned）	✅ 可用	Google 机器人策略
推理代码	✅ 可用	基于 starVLA 框架

你可以在 Hugging Face 中搜索 “PhysBrain” 或访问 GitHub 仓库获取具体下载链接。

2. 部署推理环境

PhysBrain‑VLA 是建立在 starVLA 脚手架之上的。操作步骤如下：

克隆 starVLA 代码库（参见 GitHub 指引）；
将 PhysBrain‑VLA 框架文件复制到 starVLA 目录下；
按照 starVLA 的标准检查点加载流程加载 PhysBrain 权重；
启动推理或进一步在自己的机器人数据上微调。

详细的 starVLA 环境配置和推理说明请查看对应的 GitHub 仓库。

3. 学术引用

如果你在研究中使用了 PhysBrain 1.0，请参考以下 BibTeX 格式（来自 arXiv）：

@article{physbrain2025,
  title   = {PhysBrain 1.0 Technical Report},
  author  = {DeepCybo},
  journal = {arXiv preprint arXiv:2605.15298},
  year    = {2025}
}

四、官网地址与入口

唯一官方网站： https://deepcybo.top/
官方技术报告：arXiv 论文编号 2605.15298
模型权重：🤗 Hugging Face（可从 GitHub 仓库或官网获取直达链接）
开源代码：GitHub 仓库 Phys-Brain/PhysBrain-VLA

深度机智公司在官网与论文中集中展示 PhysBrain 1.0 的技术架构、实验数据与开源计划，有意部署或合作的用户可直接访问获取最新信息。

五、价格、适用平台与适合人群

价格：PhysBrain 1.0 基础模型完全免费开源。目前未见有任何收费版本，所有权重与推理代码均可公开获取。未来若有商业服务，建议关注官网通告。

适用平台：

操作系统：基于 PyTorch 的 starVLA 框架，可在 Linux（推荐）或 Windows/NVIDIA GPU 环境下运行。
硬件要求：需要一定显存的高性能 GPU，具体依赖于使用的基础 VLM（如 Qwen2.5‑VL‑7B）和任务规模。

适合人群：

具身智能/机器人研究人员：可以直接用 PhysBrain 作为 VLA 的视觉‑语言骨干，或研究物理常识获取的新范式。
机器人公司/开发者：利用其强大的泛化能力，为真实机械臂、移动机器人等提供无需海量机械训练的智能策略。
计算机视觉与多模态学习者：研究自我中心视频理解、动作生成的同学，可以基于此模型开展物理推理相关课题。

六、竞品对比表

对比维度	PhysBrain 1.0（DeepCybo）	GR00T（NVIDIA）	π0.5（Physical Intelligence）	传统 VLA（行为克隆）
核心理念	物理常识获取，从人类视频学习物理规律	大型机器人基础模型，依赖大规模机械数据	跨机器人通用操控，使用多源机械数据	行为模仿，机械数据驱动
数据来源	人类自我中心视频 + 少量机器数据	大量机器人遥操作/仿真数据	大量机器人演示	机器人演示轨迹
泛化能力	极强，域外泛化突出	强	较强	弱，依赖训练数据分布
SimplerEnv 成功率	80.2%	约 57%（GR00T‑N1.6）	约 57%	实例化 VLA 约 50%
训练样本效率	极高，少量机器数据即可微调	中等	中等	低，需要大量数据
开源情况	✅ 全面开源	部分开源 / 平台限制	部分开源	取决于实现
感知方式	自我中心视觉 + 语言指令	多模态	多模态	固定传感器配置

数据来源：PhysBrain 1.0 Technical Report、π0.5 论文、GR00T 公开资料。

可以看出，PhysBrain 1.0 最突出的差异化优势在于数据效率和域外泛化——仅凭人类视频中习得的物理常识，就能在少数量机器数据上达到甚至超越需大量机械数据的模型。

七、典型应用场景

复杂桌面操控任务：例如在 RoboCasa 模拟器中完成各类抓取、放置、推拉等 24 项长时操作，PhysBrain 1.0 可在 GR1 机器人上稳定执行。
通用机器人策略起点：作为任何 VLA 系统的视觉‑语言骨干，为 WidowX、Google Robot 等实体机器人提供开箱即用的物理推理能力。
学术研究基准：在 PhysBench、ERQA 等多模态物理问答任务上作为强大的 baseline，推动物理常识评估的进步。
“脑”基座赋能国产机器人：发布会上深度机智明确提出，PhysBrain 1.0 为国产具身智能机器人提供了具有底层物理逻辑的“大脑”，快速适配工业、服务等场景。

八、最近 3‑6 个月重要动态

2025‑03‑27：在中关村论坛上，由北京中关村学院与中关村人工智能研究院联合孵化的深度机智公司正式发布 PhysBrain 1.0，宣称其为“全球首个基于人类学习范式的具身通用智能基础模型”。(来源: AIbase)
2025‑05：PhysBrain 1.0 技术报告发布于 arXiv (arXiv:2605.15298)，详细披露了方法细节与全部实验数据，并开放 Hugging Face 权重下载。
同期，模型在 SimplerEnv‑WidowX 等关键基准上刷新 SOTA，展现出极强的零样本和少样本迁移能力。
开源社区反响积极，相关 VLA 代码与模型在 GitHub 获得关注，为全球具身智能研究提供了新的范式参考。

九、常见问题解答（FAQ）

1. PhysBrain 1.0 的官网是什么？

官网地址为 https://deepcybo.top/。所有技术报告、模型权重和开源代码均可从官网或关联的 GitHub 仓库获取。

2. PhysBrain 1.0 是免费的吗？

是的，模型权重、推理代码均完全开源，供学术研究和商业使用。但具体使用需遵守 Apache‑2.0 等许可证，请参阅官方仓库。

3. 它是否可以用于真实的物理机器人？

可以。目前已经提供了 Graded 微调版本，适配 WidowX 机器人、Google 机器人、RoboCasa 环境中的 GR1 机器人等多个实体平台，直接加载权重便可进行端到端操控。

4. 我没有任何机器人，能不能用 PhysBrain 做研究？

完全可以。你可以在多模态物理问答、自我中心视频理解等非控制任务上使用 PhysBrain 基础 VLM，或者仅部署推理进行模拟环境测试。它就是从一个通用视觉语言模型起步的。

5. 和 NVIDIA GR00T 的区别是什么？

最大区别在于数据哲学：GR00T 依赖大规模机器人数据，而 PhysBrain 1.0 更多依靠人类自我中心视频，先习得物理常识再适配机器人，故所需机械数据极少且泛化更强。

十、总结

PhysBrain 1.0 不是又一个大模型，而是一次具身智能底层思维的范式转变。它不再把机器人当成“动作拷贝者”，而是赋予其在复杂物理世界中推理、决策的能力。凭借独创的物理常识数据引擎、LangForce 训练策略和开源生态，它为全球研究者提供了一个可以绕过昂贵机械数据的新路径。从学术研究到产业落地，这一模型为国产具身智能机器人装上了真正理解物理规律的“大脑”。