PhysBrain 1.5 verbindet Wahrnehmung, Robotersteuerung und Zukunftsprognosen in einem offenen Modell

Ein Modell für Wahrnehmung, Bewegung und Zukunftsprognosen

Die Entwicklung leistungsfähiger Modelle für sogenannte Embodied AI verschiebt den Schwerpunkt der künstlichen Intelligenz von der digitalen in die physische Welt. Während klassische große Sprachmodelle vor allem Texte erzeugen, Fragen beantworten oder Software bearbeiten, müssen verkörperte Systeme zusätzlich mit räumlichen Zusammenhängen, Bewegungen, physikalischen Veränderungen und unvollständigen Beobachtungen umgehen. Ein Roboter benötigt nicht nur die Information, dass sich ein Gegenstand vor ihm befindet. Er muss auch einschätzen, wie er ihn greifen kann, welche Bewegung dafür geeignet ist und wie sich die Szene nach der Aktion verändern dürfte.

PhysBrain 1.5 des Entwicklerteams DeepCybo setzt an genau dieser Verbindung an. Das Modell soll drei Aufgabenbereiche in einer gemeinsamen Architektur abbilden: die Interpretation der beobachteten Umgebung, die Erzeugung zielgerichteter Roboteraktionen und die Vorhersage zukünftiger Zustände. Die Entwickler beschreiben diesen Ansatz als geschlossenes physisches Interaktionsschema: Eine Beobachtung führt zu einer Einschätzung und einer Handlung, die Handlung verändert die Umgebung, und die veränderte Umgebung wird anschließend erneut beobachtet.

Veröffentlicht wurden nach den vorliegenden Angaben zwei Modellgrößen. Die größere Version verfügt über rund acht Milliarden Parameter, die kleinere über etwa zwei Milliarden. Die 8B-Ausführung basiert auf einem Qwen3-VL-Backbone und soll laut Projektseite einen Gesamtwert von 72,5 Punkten über 28 Embodied-AI-Benchmarks erreichen. Damit beansprucht DeepCybo eine Spitzenposition unter den offenen Modellen in der eigenen Vergleichsauswertung.

Warum verkörperte KI andere Anforderungen stellt

Bei der Verarbeitung von Text oder Bildern kann ein Modell häufig mit einer gewissen Fehlertoleranz arbeiten. Eine ungenaue Zusammenfassung oder eine nicht optimale Bildbeschreibung ist zwar problematisch, führt aber nicht zwangsläufig zu einem physischen Schaden. In der Robotik können bereits kleine Abweichungen bei Position, Geschwindigkeit oder Greifwinkel dazu führen, dass ein Objekt herunterfällt, ein Bauteil beschädigt wird oder ein Arbeitsprozess unterbrochen wird.

Hinzu kommt, dass die physische Welt nicht statisch ist. Menschen bewegen sich, Gegenstände werden verdeckt, Lichtverhältnisse ändern sich und Objekte reagieren unterschiedlich auf Krafteinwirkung. Ein System muss daher nicht nur erkennen, was im aktuellen Kamerabild zu sehen ist. Es muss auch ein internes Verständnis dafür entwickeln, wie sich eine Szene durch eine geplante Aktion wahrscheinlich verändert.

Diese Anforderungen unterscheiden Embodied AI von vielen klassischen Vision-Language-Anwendungen. Ein multimodales Modell kann beispielsweise ein Bild beschreiben oder eine Frage zu einer Szene beantworten. Ein verkörpertes Modell soll darüber hinaus aus der Wahrnehmung eine ausführbare Handlungssequenz ableiten. Dafür benötigt es räumliche Orientierung, zeitliche Kontinuität und eine Form von Handlungsplanung.

PhysBrain 1.5 versucht, diese Fähigkeiten nicht über mehrere voneinander getrennte Systeme zu organisieren, sondern in einem gemeinsamen Modell zu verbinden. Ziel ist eine engere Kopplung zwischen visueller Interpretation, sprachlichem Verständnis, Aktionsplanung und der Prognose von Folgezuständen.

Die technische Grundidee: Alles wird zu Token

Der zentrale architektonische Ansatz besteht darin, unterschiedliche Informationsarten in diskrete Sequenzen zu übersetzen. Sprachliche Antworten, strukturierte räumliche Angaben, Bewegungen des Roboter-Endeffektors und visuelle Zielzustände werden dabei als Token repräsentiert. Das Modell verarbeitet diese Sequenzen mit einem gemeinsamen autoregressiven Backbone und optimiert sie über eine einheitliche Next-Token-Prediction-Aufgabe.

Für die Entwicklung großer Sprachmodelle ist dieses Trainingsprinzip vertraut: Das Modell erhält eine Sequenz und lernt, welches Token als Nächstes folgen sollte. PhysBrain 1.5 überträgt diese Logik auf mehrere Modalitäten. An die Stelle reiner Textfortsetzungen treten auch räumliche und physische Informationen. Ein Modell soll dadurch nicht nur formulieren können, was es sieht, sondern auch eine strukturierte Bewegung oder eine erwartete Veränderung der Umgebung ausgeben.

Die Vereinheitlichung kann mehrere Vorteile haben. Ein gemeinsames Modell erleichtert grundsätzlich die Verbindung zwischen semantischer Bedeutung und körperlicher Handlung. Ein Roboterauftrag wie „Nehmen Sie den roten Gegenstand links neben dem Behälter“ enthält sowohl sprachliche als auch räumliche Informationen. Werden beide Dimensionen in einem gemeinsamen Vorhersagerahmen verarbeitet, kann das System die Aufgabe stärker als zusammenhängenden Prozess behandeln.

Gleichzeitig bringt ein solcher Ansatz technische Herausforderungen mit sich. Sprache, Trajektorien und visuelle Zustände weisen unterschiedliche Strukturen, Granularitäten und Fehlerquellen auf. Eine Textsequenz lässt sich nicht ohne Weiteres mit einer kontinuierlichen Roboterbewegung gleichsetzen. Die Qualität des Systems hängt deshalb unter anderem davon ab, wie Bewegungen quantisiert, räumliche Informationen kodiert und visuelle Zukunftszustände repräsentiert werden.

Endeffektor-Trajektorien als Handlungssprache

Nach den verfügbaren Projektinformationen kann PhysBrain 1.5 Bewegungsbahnen für den Endeffektor eines Roboters erzeugen. Der Endeffektor ist das Werkzeug am Ende eines Roboterarms, beispielsweise ein Greifer oder ein Saugnapf. Eine Trajektorie beschreibt dabei, wie sich dieses Werkzeug im Raum bewegen soll.

Für praktische Anwendungen reicht es jedoch nicht aus, lediglich eine geometrisch plausible Bahn zu erzeugen. Der Roboter muss Hindernisse berücksichtigen, die Reichweite seiner Gelenke einhalten und die Dynamik seines Körpers kontrollieren. Außerdem muss das System mit Unsicherheit umgehen, etwa wenn die Position eines Gegenstands nur ungenau erkannt wird. Die öffentlich verfügbaren Angaben zu PhysBrain 1.5 zeigen, dass das Modell Trajektorien ausgeben kann. Sie liefern jedoch keine vollständige Aussage darüber, wie zuverlässig diese Trajektorien auf unterschiedlichen Robotern und unter wechselnden Realbedingungen ausführbar sind.

Vorhersage des nächsten visuellen Zustands

Ein weiterer Bestandteil ist die Prognose zukünftiger Szenen. Das Modell soll nicht nur Aktionen generieren, sondern auch vorhersehen, wie die Umgebung nach einer Bewegung aussehen könnte. In den beschriebenen Beispielen werden unter anderem RGB-Bilder, Tiefeninformationen und Robotermasken als visuelle Zielzustände genannt.

RGB-Daten beschreiben die sichtbaren Farbinformationen und die räumliche Tiefe. Eine Robotermaske kann markieren, welche Bildbereiche zum Roboter gehören. Zusammen können solche Vorhersagen dazu beitragen, die möglichen Konsequenzen einer Handlung abzuschätzen. Ein System könnte beispielsweise vergleichen, ob ein geplanter Greifvorgang zu einer erwarteten Objektposition führt oder ob eine Kollision beziehungsweise eine Fehlbewegung wahrscheinlicher ist.

Eine Zukunftsprognose ist allerdings keine Garantie für den tatsächlichen Verlauf. Physische Prozesse sind von Materialeigenschaften, Reibung, Gewicht, Beleuchtung, Verzögerungen und nicht beobachteten Faktoren abhängig. Die Aussagekraft solcher Vorhersagen muss daher in realen Tests mit unterschiedlichen Objekten, Kameras, Robotertypen und Arbeitsumgebungen überprüft werden.

Das Trainingskonzept von DeepCybo

Die Entwickler beschreiben einen Trainingsprozess, der zunächst auf menschlichen Interaktionsvideos basiert. Diese Videos sollen nicht nur einzelne Objekte oder isolierte Bewegungen zeigen, sondern aufgabenbezogene Episoden enthalten. Dadurch können sprachliche Hinweise, räumlicher Kontext, menschliche Handbewegungen und nachfolgende Beobachtungen miteinander verknüpft werden.

Im Anschluss soll eine Anpassung mit einer Mischung aus menschlichen Demonstrationen, Robotertrajektorien und simulierten Erfahrungen erfolgen. Diese Kombination adressiert unterschiedliche Aspekte der Robotik. Menschliche Videos liefern umfangreiche Beispiele für zielgerichtetes Verhalten und Interaktion. Roboterdaten zeigen, wie Bewegungen in einer konkreten mechanischen Plattform aussehen. Simulationen können zusätzliche Situationen abdecken, die in der realen Datenerhebung teuer oder riskant wären.

Die Verwendung menschlicher Interaktionsdaten ist für die Forschung an physischer Intelligenz von Bedeutung, weil Menschen ständig aus Beobachtung, Versuch, Rückmeldung und Korrektur lernen. Ein Mensch erkennt beispielsweise, dass ein Gegenstand schwerer oder rutschiger ist als erwartet, passt seine Bewegung an und nutzt die neue Erfahrung bei der nächsten Handlung. Ein Modell muss diese Fähigkeit zumindest näherungsweise aus Daten und Rückkopplung erlernen.

Aus den vorliegenden Quellen geht jedoch nicht in allen Details hervor, in welchem Umfang das Training direkt auf realen Robotern, in Simulationen oder auf rekonstruierten menschlichen Bewegungen stattgefunden hat. Für eine belastbare Einordnung wären unter anderem Angaben zu Datensatzgröße, Auflösung der Aktionssequenzen, verwendeten Robotern, Simulationsumgebungen und Testprotokollen erforderlich.

Die gemeldeten Benchmark-Ergebnisse

DeepCybo gibt für die 8B-Variante einen Durchschnittswert von 72,5 Punkten über 28 Benchmarks für verkörperte Systeme an. Auf 14 dieser Benchmarks soll das Modell unter den offenen Systemen den jeweils besten Wert erzielt haben. Die Projektseite bezeichnet das Ergebnis als neuen Bestwert im Open-Source-Bereich.

Eine kleinere 2B-Variante wird mit einem durchschnittlichen Ergebnis von 66,6 Punkten beschrieben. Laut den bereitgestellten Informationen soll auch dieses Modell andere offene Vergleichssysteme übertreffen. Die geringere Parameterzahl könnte für Anwendungen interessant sein, bei denen Speicherbedarf, Latenz oder lokale Inferenzkosten eine größere Rolle spielen.

Die genannten Werte sind vor allem als Vergleich innerhalb der gewählten Testumgebung zu verstehen. Benchmark-Ergebnisse hängen von Datensätzen, Aufgabendefinitionen, Auswertungsmethoden und Vergleichsmodellen ab. Besonders relevant ist, ob die Testdaten vollständig außerhalb des Trainings liegen, wie viele Versuche pro Aufgabe durchgeführt werden und ob die Modelle unter identischen technischen Bedingungen getestet wurden.

In einzelnen bereitgestellten Darstellungen wird PhysBrain 1.5 außerdem mit proprietären Modellen verglichen. Dabei werden für GPT-6 Astra 73,3 Punkte und für Gemini 3.6 Flash 73,0 Punkte genannt. Solche Vergleiche sind nur eingeschränkt interpretierbar, wenn die Evaluationsbedingungen, Modellversionen, Eingabeformate und verfügbaren Systemressourcen nicht vollständig offengelegt sind. Ein Abstand von wenigen Punkten kann sowohl auf eine tatsächlich vergleichbare Leistungsfähigkeit als auch auf methodische Unterschiede zurückzuführen sein.

Für Unternehmen ist deshalb nicht allein der Mittelwert entscheidend. Ebenso wichtig sind die Streuung der Ergebnisse, die Erfolgsraten bei sicherheitskritischen Aufgaben, die Reaktionszeit, die Kosten pro Inferenz, die Robustheit bei neuen Objekten und die Fähigkeit zur kontrollierten Fehlerbehandlung.

Offene Gewichte und praktische Zugänglichkeit

PhysBrain 1.5 wurde mit zwei Checkpoints auf Hugging Face veröffentlicht. Zusätzlich verweisen die Projektinformationen auf eine Sammlung der Modelle, ein Evaluationskit und eine öffentlich zugängliche Demo. Damit erhalten Entwicklerinnen und Entwickler, Forschungsteams und Unternehmen grundsätzlich die Möglichkeit, das System selbst zu untersuchen und in kontrollierten Umgebungen zu testen.

Die Veröffentlichung offener Modellgewichte kann die Forschung beschleunigen. Organisationen können die Architektur analysieren, eigene Datensätze für Anpassungen verwenden und die Leistung auf spezifischen Aufgaben prüfen. Auch für Unternehmen, die keine vollständig proprietäre Infrastruktur einsetzen möchten, kann ein zugänglicher Checkpoint eine zusätzliche Evaluationsoption darstellen.

„Open Source“ oder „offen verfügbar“ sollte bei KI-Modellen jedoch präzise betrachtet werden. Entscheidend ist, ob tatsächlich die Gewichte, der Quellcode, die Trainings- und Evaluationswerkzeuge sowie ausreichende Dokumentation verfügbar sind. Ebenso relevant sind die Nutzungsrechte für kommerzielle Anwendungen, Weiterentwicklung, Redistribution und den Einsatz in sicherheitskritischen Szenarien.

Bei PhysBrain 1.5 enthalten die verfügbaren Quellen unterschiedliche Angaben zur Lizenz. Eine Sekundärquelle nennt eine Apache-2.0-Lizenz, während ein anderer Bericht darauf hinweist, dass die Modelle zum Veröffentlichungszeitpunkt keine erkennbare Lizenz getragen hätten. Für eine rechtssichere Nutzung sollten Sie daher nicht allein auf Berichte oder Social-Media-Beiträge vertrauen. Maßgeblich sind die aktuell auf der jeweiligen Modellseite und im Repository veröffentlichten Lizenztexte.

Was die Veröffentlichung für Unternehmen bedeutet

Für industrielle Unternehmen, Logistikanbieter, Forschungsinstitute und Robotik-Integratoren ist PhysBrain 1.5 vor allem als Evaluationskandidat interessant. Die Kombination aus Szenenverständnis, Aktionsgenerierung und Zukunftsprognose entspricht einem Bedarf, der in vielen Projekten bisher durch mehrere spezialisierte Komponenten abgedeckt wird.

Ein gemeinsames Modell könnte die Systemarchitektur vereinfachen. Statt ein Vision-Language-Modell für die Interpretation, ein separates Planungsmodul für Bewegungen und ein weiteres Modell für die Vorhersage von Zustandsänderungen zu verwenden, ließen sich bestimmte Aufgaben in einer gemeinsamen Schnittstelle bündeln. Das kann Integrationsaufwand reduzieren, muss aber nicht automatisch zu einer höheren Zuverlässigkeit führen.

Unternehmen sollten insbesondere prüfen, ob das Modell zur eigenen Roboterplattform passt. Ein Checkpoint kann auf bestimmte Kameraperspektiven, Aktionsformate oder Robotertypen abgestimmt sein. Die Übertragung auf eine andere Plattform erfordert möglicherweise zusätzliche Daten, Kalibrierung oder Feinabstimmung. Auch die Kommunikation zwischen Modell und Robotersteuerung muss klar geregelt werden.

Ein sinnvoller Evaluationsprozess könnte schrittweise erfolgen:

- Zunächst sollten Sie die Lizenz, die Herkunft der Modellgewichte und die Bedingungen für kommerzielle Nutzung prüfen. - Anschließend empfiehlt sich eine Reproduktion der veröffentlichten Tests in einer isolierten Software- oder Simulationsumgebung. - Danach können Sie das Modell auf eigenen, nicht sicherheitskritischen Szenarien mit bekannten Objekten und klar definierten Zielzuständen testen. - Für den Übergang zu realen Robotern sind Begrenzungen für Geschwindigkeit, Kraft, Arbeitsraum und zulässige Aktionen erforderlich. - Vor einem produktiven Einsatz sollten unabhängige Sicherheits-, Robustheits- und Datenschutzprüfungen durchgeführt werden. - Die Leistung sollte nicht nur anhand erfolgreicher Aktionen, sondern auch anhand von Fehlversuchen, Abbrüchen und notwendigen menschlichen Eingriffen bewertet werden.

Die Grenzen der bisher verfügbaren Evidenz

Die derzeit zugänglichen Informationen stammen überwiegend aus der Projektseite, den veröffentlichten Modellseiten, einer wissenschaftlichen Paper-Seite und einzelnen Sekundärberichten. Die Angaben zur Architektur und zu den Benchmark-Ergebnissen sind damit dokumentiert, soweit sie von den Entwicklerinnen und Entwicklern veröffentlicht wurden. Eine umfassende unabhängige Reproduktion der Ergebnisse ist aus den vorliegenden Materialien jedoch nicht ersichtlich.

Besonders wichtig ist die Unterscheidung zwischen Modellfähigkeit und Praxistauglichkeit. Ein System kann auf standardisierten Aufgaben sehr gute Ergebnisse erzielen und dennoch in einer realen Umgebung Schwierigkeiten haben. Ursachen können veränderte Beleuchtung, unbekannte Objekte, Kamerarauschen, flexible Materialien, Menschen im Arbeitsbereich oder geringe Abweichungen bei der Roboterkalibrierung sein.

Auch die Frage der Langzeitstabilität bleibt offen. Ein Roboter in einer Produktionsumgebung muss nicht nur eine einzelne Aufgabe erfolgreich ausführen. Er muss über viele Stunden oder Tage hinweg zuverlässig arbeiten, Zustandsänderungen erkennen und bei Unsicherheit kontrolliert anhalten. Dafür sind Mechanismen zur Überwachung, Protokollierung und menschlichen Freigabe erforderlich.

Die Vorhersage zukünftiger Frames kann ein nützliches internes Signal sein, sollte aber nicht ohne zusätzliche Sicherheitslogik als alleinige Grundlage für eine physische Aktion dienen. Zwischen einer plausiblen visuellen Prognose und einer sicheren Bewegung liegen mehrere Ebenen: geometrische Planung, Kollisionsprüfung, Regelung, Sensorfusion und gegebenenfalls eine externe Freigabe.

Datenschutz und Governance bei menschlichen Interaktionsdaten

Die Nutzung menschlicher Videos für das Training verkörperter Modelle wirft neben technischen auch rechtliche und organisatorische Fragen auf. Aufnahmen können Gesichter, Stimmen, Räume, Arbeitsabläufe oder personenbezogene Informationen enthalten. Werden Handbewegungen und Sprachkommandos gemeinsam erfasst, können daraus zusätzliche Rückschlüsse auf Personen und Tätigkeiten entstehen.

Unternehmen, die eigene Daten für eine Anpassung von PhysBrain 1.5 verwenden möchten, sollten daher die Herkunft, Einwilligung, Zweckbindung und Löschfristen der Daten dokumentieren. Bei Aufnahmen in Betrieben sind außerdem Beschäftigtendatenschutz, Betriebsvereinbarungen und Regelungen für den Einsatz von Kameras zu berücksichtigen.

Für einen professionellen Betrieb sind zudem Nachvollziehbarkeit und Zugriffskontrolle erforderlich. Es sollte festgehalten werden, welche Modellversion eine Aktion vorgeschlagen hat, welche Sensordaten zugrunde lagen und ob ein Mensch eingegriffen hat. Solche Protokolle können bei Fehleranalysen, Audits und der kontinuierlichen Verbesserung des Systems eine zentrale Rolle spielen.

Einordnung in den Wettbewerb um Physical AI

Die Veröffentlichung fällt in eine Phase, in der große Technologieunternehmen und spezialisierte Forschungsteams verstärkt an Robotikmodellen arbeiten. Der Wettbewerb konzentriert sich nicht mehr ausschließlich auf Textverständnis oder visuelle Frage-Antwort-Aufgaben. Zunehmend geht es darum, ob Modelle Handlungen in dynamischen Umgebungen planen und aus Rückmeldungen korrigieren können.

PhysBrain 1.5 positioniert sich dabei als offene Alternative zu proprietären Systemen. Der wesentliche Unterschied liegt nicht allein in der Zahl der Parameter, sondern in der Entscheidung, Wahrnehmung, Handlung und Zukunftsprognose in einem gemeinsamen Lernrahmen zu verbinden. Für die weitere Entwicklung wird entscheidend sein, wie gut dieser Ansatz auf neue Roboter, unbekannte Aufgaben und unterschiedliche physische Umgebungen übertragen werden kann.

Die größere 8B-Variante zielt auf maximale Leistungsfähigkeit innerhalb der Modellfamilie. Die 2B-Version könnte dagegen für ressourcenbeschränkte Szenarien relevant sein, etwa für lokale Systeme oder Anwendungen mit strengeren Latenzanforderungen. Ob die kleinere Variante tatsächlich effizient genug für Edge-Hardware ist, lässt sich aus den vorliegenden Angaben zu Rechenbedarf und Inferenzgeschwindigkeit noch nicht abschließend ableiten.

Worauf Sie bei einer eigenen Prüfung achten sollten

Eine sachgerechte Bewertung sollte mehrere Ebenen umfassen. Auf der Modellseite sind Aufgabenabdeckung, Eingabeformate, Ausgabestruktur und Feinabstimmungsmöglichkeiten relevant. Auf der Systemseite zählen Latenz, Hardwarebedarf, Schnittstellen und Ausfallsicherheit. Für den Geschäftsbetrieb kommen Lizenz, Datenschutz, Haftung und Wartbarkeit hinzu.

Für einen ersten technischen Vergleich können Sie unter anderem folgende Fragen stellen:

- Wie unterscheiden sich die Ergebnisse der 2B- und der 8B-Variante bei identischen Aufgaben? - Welche Benchmarks wurden für die Durchschnittswerte einbezogen und wie wurden sie gewichtet? - Sind die Trainings- und Testdaten klar voneinander getrennt? - Werden Bewegungen in einem standardisierten Format oder roboterspezifisch ausgegeben? - Wie reagiert das Modell auf widersprüchliche, unvollständige oder mehrdeutige Anweisungen? - Kann es Unsicherheit ausdrücken und eine Handlung ablehnen, wenn die Beobachtung nicht ausreicht? - Welche zusätzlichen Komponenten sind für Kollisionsvermeidung und sichere Regelung notwendig? - Wie hoch sind Speicherbedarf, Inferenzlatenz und Energieverbrauch unter realistischen Bedingungen? - Welche Lizenz gilt aktuell für Gewichte, Code, Daten und kommerzielle Nutzung?

Gerade die Fähigkeit, bei Unsicherheit nicht zu handeln, ist für den praktischen Einsatz besonders relevant. Ein System, das in einer Demo überzeugende Trajektorien erzeugt, muss in einer realen Anlage ebenso zuverlässig erkennen, wann eine Szene nicht ausreichend verstanden wurde. Kontrollierte Abbrüche und die Übergabe an menschliche Bediener sind in vielen Anwendungen wichtiger als eine möglichst hohe Rate autonomer Aktionen.

Ausblick auf die weitere Entwicklung

Die nächste Entwicklungsphase verkörperter Modelle dürfte sich auf die Verbindung von allgemeinem Wissen und roboterbezogener Präzision konzentrieren. Ein Modell muss einerseits flexibel genug sein, neue Aufgaben sprachlich zu verstehen. Andererseits benötigt es ausreichend genaue räumliche und motorische Repräsentationen, um Aktionen zuverlässig umzusetzen.

Weitere Fortschritte könnten aus besseren Weltmodellen, längeren zeitlichen Vorhersagen und effizienteren Trainingsverfahren entstehen. Auch die Kombination mehrerer Sensoren, etwa Kameras, Tiefensensoren, Kraftsensoren und taktiler Systeme, könnte die Robustheit erhöhen. Ebenso wichtig sind Verfahren, die Daten aus Simulation und Realität besser miteinander verbinden.

PhysBrain 1.5 liefert nach den veröffentlichten Angaben einen relevanten Beitrag zu dieser Entwicklung, weil es mehrere Kernaufgaben in einem Modell zusammenführt und als offener Checkpoint zugänglich macht. Die gemeldeten Benchmark-Werte zeigen eine hohe Leistungsfähigkeit innerhalb der angegebenen Evaluation. Für eine abschließende Bewertung sind jedoch unabhängige Tests, klare Lizenzinformationen und umfangreiche Untersuchungen unter realen Bedingungen erforderlich.

Für B2B-Anwender ergibt sich daraus ein differenziertes Bild: PhysBrain 1.5 kann als Forschungs- und Evaluationsplattform für Physical AI interessant sein. Ein unmittelbarer Einsatz in sicherheitskritischen oder produktionsnahen Szenarien sollte dagegen erst nach einer eigenen technischen, rechtlichen und organisatorischen Prüfung erfolgen. Der entscheidende Maßstab wird nicht nur sein, wie gut das Modell Szenen versteht, sondern wie zuverlässig es über längere Zeiträume hinweg mit realen Unsicherheiten umgehen kann.

Bibliografie DeepCybo: PhysBrain 1.5 – From General VLMs to Physical Foundation Model. Projektseite. https://deepcybo-physai.github.io/PhysBrain-1.5/ DeepCybo: DeepCybo/PhysBrain1.5-8B. Hugging Face. https://huggingface.co/DeepCybo/PhysBrain1.5-8B DeepCybo: DeepCybo/PhysBrain1.5-2B. Hugging Face. https://huggingface.co/DeepCybo/PhysBrain1.5-2B DeepCybo Team und weitere Autorinnen und Autoren: PhysBrain 1.5: From Vision-Language Models to Physical Foundation Models. Paper-Seite auf Hugging Face, September 2026. https://huggingface.co/papers/2609.14973 Zhuang, Zishen und DeepCybo Team: PhysBrain 1.5: From Vision-Language Models to Physical Foundation Models. alphaXiv, Einreichung im September 2026. https://www.alphaxiv.org/abs/2609.14973 CCTest: PhysBrain 1.5 Unifies Perception, Action, and Future-State Prediction. September 2026. https://cctest.ai/en/articles/physbrain-1-5-unifies-perception-action-and-future-state-prediction Doets, Senne: PhysBrain 1.5: DeepCybo robot model scores 72.5 on 28 tests. DataNorth, 9. September 2026. https://datanorth.ai/news/deepcybo-releases-physbrain-1-5-8b HuggingPapers: Beitrag zu PhysBrain 1.5 und Verweise auf Paper, Modelle und Demo, 15. September 2026. https://x.com/HuggingPapers/status/2099894590677348649