深度智控发布具身智能模型，赋予机器人物理常识认知

来源：环球网

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

【环球网科技综合报道】3月27日，在中关村论坛“全球对话”活动现场，由北京中关村学院与中关村人工智能研究院孵化的具身智能企业深度机智，正式发布PhysBrain 1.0具身通用智能基座模型。该模型以人类学习范式构建，为机器人赋予物理常识理解能力，推动具身智能技术向更贴近人类认知的方向发展。

PhysBrain 1.0体系以同名基座模型为核心，融合原创TwinBrainVLA双脑架构与LangForce训练策略，通过海量人类第一视角视频规模化构建物理常识训练语料，突破了具身智能数据获取与模型训练的核心技术瓶颈，实现了从“模仿动作”到“理解物理”的技术升级。在空间智能、具身交互等国际权威测评中，该模型展现出良好的技术性能，达到行业先进水平。

长期以来，主流机器人技术路线多以拟合轨迹数据为核心，让机器人学习“怎么做”，但这类模型缺乏对物理世界的深层理解，场景适应性和泛化能力受限。深度机智则探索出全新技术思路，让机器人先掌握物理世界常识，再执行具体任务，以“先理解，后行动”的理念重构具身智能底层逻辑。

PhysBrain 1.0的技术突破体现在数据来源、数据使用和模型架构三个层面。数据来源上，该模型摒弃传统的机器人闭环仿真、遥操作数据，以海量人类第一视角交互数据为核心训练语料，通过首创的ICDC情境数采体系，在真实工作场景中采集原生多模态数据，让训练数据与人类操作逻辑、物理规律相契合；数据使用上，通过专属数据增强管线，从人类第一视角视频中提取空间关系、力学逻辑等隐性经验，转化为结构化监督信号，让模型掌握物理交互的因果逻辑；模型架构上，采用多模态大模型架构，将物理常识内化于参数，实现物理世界理解的时空一致性。其中，TwinBrainVLA双脑融合架构可解决具身微调中的灾难性遗忘问题，LangForce训练方案则能提升模型在未知场景中的泛化能力，让机器人更精准地理解指令并执行动作。

在SimplerEnv测试中，PhysBrain 1.0取得了80.2%的平均成功率，展现出该技术路线的可行性，也印证了物理常识对提升具身智能模型性能的重要性。

此次发布活动中，深度机智不仅推出全新模型，还展示了基于该技术路线的全栈技术能力。依托PhysBrain 1.0，企业研发出全尺寸拟人体机器人Prime，该机器人采用全身谐波关节设计，搭配高自由度灵巧手，可实现高精度精细操作，还具备断电自主站立的能力，在动作灵活性和环境适应性上表现突出，可适配工业等多元应用场景。

为完善技术体系，深度机智还推出便携式数采智能终端，能在多元场景中低成本、高效率获取人类第一视角多模态数据，构建训练数据闭环；在数据标注领域，企业通过标准化人类行为数据，打造物理世界知识库，建立人类第一视角数据物理常识标准平台，为行业提供数据基础设施支撑。目前，深度机智已打通数据采集、常识标注、模型架构、训练算法、拟人本体等关键环节，形成具身智能全链路技术能力。

当前，人工智能正从信息智能向物理智能迈进，具身智能成为新一代人工智能发展的核心赛道之一。我国在机器人硬件产业和大模型领域已积累一定产业优势，为具身智能技术发展奠定了基础。同时，越来越多的中国科研人员和创业者投身具身智能领域，在核心技术研发和创新应用探索中持续发力。以深度机智为代表的中国企业，通过自主创新探索具身智能全新技术路线，推动行业从“动作模仿”向“理解世界”升级，为我国在具身智能赛道实现技术突破和产业发展提供了新路径。（心月）