**Embodied-R1.5：通过具身基础模型推动物理智能发展**

_Embodied-R1.5: Evolving Physical Intelligence via Embodied Foundation Models_

> Embodied-R1.5是一个统一的具身基础模型，集成了具身认知、任务规划、错误纠正与目标指向能力。通过三个自动数据构建管道扩展关键能力的数据覆盖，构建了超150亿token的大规模数据系统，并设计多任务平衡强化学习方法缓解异构任务冲突。引入规划-接地-纠正闭环框架，使单一模型能自主执行并自我纠正长周期任务。仅8B参数便在24个具身VLM基准中16项达到SOTA，超越Gemini-Robotics-ER-1.5和GPT-5.4等领先模型。通过少量数据微调即可转换为VLA，性能在4个主流操作基准上优于π\_{0.5}。大量零样本真实机器人实验验证了其在指令遵循、功能接地、关节物体操作及长周期复杂任务中的泛化能力。该工作开源了模型权重、数据集、训练代码及专用的具身任务评估框架EmbodiedEvalKit。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-06-11 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.11324)