论文页面 - Embodied-R1.5：通过具身基础模型进化物理智能

来源：https://huggingface.co/papers/2606.11324 作者：

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

,

摘要

Embodied-R1.5 是一个统一的具身基础模型，它整合了具身推理能力，并通过多任务平衡强化学习方法在具身视觉-语言基准测试中达到了最先进的性能。

我们提出了 Embodied-R1.5，这是一个统一的具身基础模型（EFM），它在单一架构中整合了全面的具身推理能力，涵盖具身认知、任务规划、修正和指代，旨在实现通用物理智能。借助三条自动化数据构建流水线来显著扩展关键能力的数据覆盖范围，我们构建了一个超过150亿 token 的大规模数据系统，并设计了一种多任务平衡的强化学习配方来缓解异构任务冲突。我们还引入了 Planner-Grounder-Corrector（PGC）闭环框架，使单个模型能够自主执行并自我修正长周期任务。仅凭80亿参数，Embodied-R1.5 在24个具身 VLM 基准测试中的16个上达到了 SOTA，超越了 Gemini-Robotics-ER-1.5 和 GPT-5.4 等领先模型。得益于内化的具身能力，Embodied-R1.5 可以通过少量数据微调为 VLA，在4个主流操作基准套件上优于 π_{0.5} 等领先 VLA 模型。我们进一步进行了广泛的零样本真实机器人实验，验证了指令跟随、可供性基础、铰接物体操作和长周期复杂任务方面的性能，展现出对物理世界的强大泛化能力。我们开源了模型权重、数据集、训练代码以及针对具身任务定制的评估框架 EmbodiedEvalKit，以促进 EFM 的未来研究。

查看 arXiv 页面 (https://arxiv.org/abs/2606.11324) 查看 PDF (https://arxiv.org/pdf/2606.11324) 项目页面 (https://embodied-r.github.io/) GitHub17 (https://github.com/pickxiguapi/Embodied-R1.5) 加入收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.11324)

在您的 agent 中获取此论文：

hf papers read 2606\.11324

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型链接到此论文

在模型 README.md 中引用 arxiv.org/abs/2606.11324 以从此页面链接。

引用此论文的数据集0

没有数据集链接到此论文

在数据集 README.md 中引用 arxiv.org/abs/2606.11324 以从此页面链接。

引用此论文的 Space0

没有 Space 链接到此论文

在 Space README.md 中引用 arxiv.org/abs/2606.11324 以从此页面链接。

包含此论文的收藏集1