Embodied-R1.5：通过具身基础模型发展物理智能

我们推出了 Embodied-R1.5，这是一种统一的具身基础模型 (EFM)，它在单一架构中集成了全面的实体推理功能，涵盖实体认知、任务规划、校正和指向，以实现通用物理智能。利用三个自动化数据构建管道显着扩大关键能力的数据覆盖范围，我们构建了超过 15B 词元的大规模数据系统，并设计了多任务平衡的 RL 配方来缓解异构任务冲突。我们进一步引入了 Planner-Grounder-Corrector (PGC) 闭环框架，该框架使单个模型能够在长范围任务上自主执行和自我纠正。仅用 8B 个参数，Embodied-R1.5 在 24 个 embodied VLM 基准测试中的 16 个上实现了 SOTA，超越了 Gemini-Robotics-ER-1.5 和 GPT-5.4 等领先模型。受益于内部化的体现能力，Embodied-R1.5 只需少量数据即可微调为 VLA，在 4 个流行的操纵基准套件中优于 $π_{0.5}$ 等领先的 VLA 模型。我们进一步进行了广泛的零样本真实机器人实验，验证了指令遵循、可供性基础、铰接式物体操作和长视野复杂任务的性能，展示了对物理世界的强大泛化能力。我们开源模型权重、数据集、训练代码和 EmbodiedEvalKit（专为具体任务量身定制的评估框架），以促进 EFM 的未来研究。