Lar
Lançamento do paradigma de aprendizagem humana: PhysBrain 1.0 da Deep Machine Intelligence oferece aos robôs senso comum físico

Um “aprendiz profundo” com compreensão do mundo físico está agora alcançando avanços significativos na inteligência encarnada.
Em 27 de março, no Fórum de Zhongguancun, a primeira empresa especializada em inteligência encarnada — DeepMind Intelligence — incubada conjuntamente pelo Beijing Zhongguancun College e pelo Instituto de Pesquisa em Inteligência Artificial de Zhongguancun — lançou oficialmente o primeiro modelo base de inteligência geral encarnada do mundo, construído com base no paradigma de aprendizagem humana: PhysBrain 1.0. Esse lançamento representa uma mudança na abordagem da inteligência encarnada, passando da “imitação de ações” para a “desconstrução de princípios”.
Avanço tecnológico: Incorporação do senso comum físico nos parâmetros
Diferentemente de métodos tradicionais como clonagem de comportamento ou aprendizado por reforço, PhysBrain 1.0 utiliza uma arquitetura inovadora de modelo grande multimodal, cuja principal vantagem é:
Consistência espaço-temporal: O modelo compreende a causalidade e a evolução espaço-temporal no mundo físico da mesma forma que os seres humanos, garantindo consistência lógica durante a execução de tarefas por robôs.
Internalização do senso comum físico: Ao codificar leis físicas abrangentes em seus parâmetros, o modelo vai além da simples execução de instruções mecânicas, adquirindo a capacidade de prever mudanças no ambiente.
Singularidade de generalização: Alcance de aplicações amplas com dados limitados
A escassez de dados sempre foi um “obstáculo” para as aplicações de inteligência encarnada. O modelo base lançado pela DeepMind Intelligence demonstra agora fortes capacidades de generalização:
Quebra da dependência de dados: Graças a uma compreensão fundamental do senso comum físico, PhysBrain 1.0 consegue se adaptar rapidamente a cenários desconhecidos utilizando apenas quantidades muito limitadas de dados experimentais.
Generalização verdadeira: O modelo compreende realmente o “porquê” por trás das ações, e não apenas o “como”, o que melhora significativamente a estabilidade operacional dos robôs em ambientes complexos e dinâmicos.
Nascido de um contexto prestigiado: Um marco para a inteligência encarnada no ecossistema de Zhongguancun
Sendo uma “estrela em ascensão” desenvolvida pelo Beijing Zhongguancun College e pelo Instituto de Pesquisa em Inteligência Artificial de Zhongguancun, a DeepMind Intelligence tem chamado bastante atenção.
Integração entre produção e pesquisa: Aproveitando a sólida base de P&D em inteligência artificial de Zhongguancun, a empresa focou desde o início na inteligência encarnada — uma das formas mais avançadas de desenvolvimento de IA.
Importância para a indústria: O lançamento do PhysBrain 1.0 fornece uma base “cerebral” para robôs inteligentes encarnados desenvolvidos no país, fundamentada em lógica física subjacente.
Conclusão: A era da física, da “percepção” à “cognição”
Quando o senso comum físico se tornar uma capacidade padrão dos modelos grandes, a inteligência encarnada alcançará uma verdadeira “sabedoria”. O avanço conseguido pela DeepMind Intelligence não é apenas uma homenagem ao paradigma de aprendizagem humana, mas também um passo importante rumo à integração da IA com o mundo físico. Impulsionado pelo PhysBrain 1.0, estamos um passo mais perto de um futuro em que robôs de uso geral “compreendam a física e possam trabalhar”.
Artigo relacionado
Óculos Inteligentes da Apple Podem Estrear na WWDC27, Destacando a Proteção de Privacidade
O repórter da Bloomberg, Mark Gurman, informa que os óculos inteligentes da Apple, com o codinome N50, estão previstos para estrear na WWDC27 em junho de 2027, com um lançamento no varejo esperado para o outono de 2027. Originalmente direcionados par
Dentro dos Detalhes Revelados Sobre o Gemini de Próxima Geração: Poder de Cálculo Sobrecarregado, Equipes Internas Discordaram Sobre Prioridades de Desenvolvimento e Alocação de Recursos
Os relatórios indicam que o lançamento do tão aguardado modelo Gemini de próxima geração do Google foi adiado. Desentendimentos internos sobre prioridades de desenvolvimento e alocação de recursos, combinados com capacidade computacional limitada e p
A OpenAI descarta preocupações com a desaceleração do crescimento e afirma que múltiplas unidades de negócio estão acelerando.
Em resposta à escrutínio externo sobre o desaceleramento do crescimento das vendas e o não cumprimento de metas internas, o líder em inteligência artificial, OpenAI, emitiu uma declaração confiante na terça-feira, 28 de abril. A empresa esclareceu qu
Recomendações de tópicos especiais relacionados
Comentários (1)
I was totally blown away by PhysBrain 1.0! It’s like giving robots actual human-like common sense instead of just programmed tasks, which could revolutionize how we design assistive robots for daily life. I wonder if this tech will soon make self-driving cars more adaptable to unexpected road situations too?

Um “aprendiz profundo” com compreensão do mundo físico está agora alcançando avanços significativos na inteligência encarnada.
Em 27 de março, no Fórum de Zhongguancun, a primeira empresa especializada em inteligência encarnada — DeepMind Intelligence — incubada conjuntamente pelo Beijing Zhongguancun College e pelo Instituto de Pesquisa em Inteligência Artificial de Zhongguancun — lançou oficialmente o primeiro modelo base de inteligência geral encarnada do mundo, construído com base no paradigma de aprendizagem humana: PhysBrain 1.0. Esse lançamento representa uma mudança na abordagem da inteligência encarnada, passando da “imitação de ações” para a “desconstrução de princípios”.
Avanço tecnológico: Incorporação do senso comum físico nos parâmetros
Diferentemente de métodos tradicionais como clonagem de comportamento ou aprendizado por reforço, PhysBrain 1.0 utiliza uma arquitetura inovadora de modelo grande multimodal, cuja principal vantagem é:
Consistência espaço-temporal: O modelo compreende a causalidade e a evolução espaço-temporal no mundo físico da mesma forma que os seres humanos, garantindo consistência lógica durante a execução de tarefas por robôs.
Internalização do senso comum físico: Ao codificar leis físicas abrangentes em seus parâmetros, o modelo vai além da simples execução de instruções mecânicas, adquirindo a capacidade de prever mudanças no ambiente.
Singularidade de generalização: Alcance de aplicações amplas com dados limitados
A escassez de dados sempre foi um “obstáculo” para as aplicações de inteligência encarnada. O modelo base lançado pela DeepMind Intelligence demonstra agora fortes capacidades de generalização:
Quebra da dependência de dados: Graças a uma compreensão fundamental do senso comum físico, PhysBrain 1.0 consegue se adaptar rapidamente a cenários desconhecidos utilizando apenas quantidades muito limitadas de dados experimentais.
Generalização verdadeira: O modelo compreende realmente o “porquê” por trás das ações, e não apenas o “como”, o que melhora significativamente a estabilidade operacional dos robôs em ambientes complexos e dinâmicos.
Nascido de um contexto prestigiado: Um marco para a inteligência encarnada no ecossistema de Zhongguancun
Sendo uma “estrela em ascensão” desenvolvida pelo Beijing Zhongguancun College e pelo Instituto de Pesquisa em Inteligência Artificial de Zhongguancun, a DeepMind Intelligence tem chamado bastante atenção.
Integração entre produção e pesquisa: Aproveitando a sólida base de P&D em inteligência artificial de Zhongguancun, a empresa focou desde o início na inteligência encarnada — uma das formas mais avançadas de desenvolvimento de IA.
Importância para a indústria: O lançamento do PhysBrain 1.0 fornece uma base “cerebral” para robôs inteligentes encarnados desenvolvidos no país, fundamentada em lógica física subjacente.
Conclusão: A era da física, da “percepção” à “cognição”
Quando o senso comum físico se tornar uma capacidade padrão dos modelos grandes, a inteligência encarnada alcançará uma verdadeira “sabedoria”. O avanço conseguido pela DeepMind Intelligence não é apenas uma homenagem ao paradigma de aprendizagem humana, mas também um passo importante rumo à integração da IA com o mundo físico. Impulsionado pelo PhysBrain 1.0, estamos um passo mais perto de um futuro em que robôs de uso geral “compreendam a física e possam trabalhar”.
Óculos Inteligentes da Apple Podem Estrear na WWDC27, Destacando a Proteção de Privacidade
O repórter da Bloomberg, Mark Gurman, informa que os óculos inteligentes da Apple, com o codinome N50, estão previstos para estrear na WWDC27 em junho de 2027, com um lançamento no varejo esperado para o outono de 2027. Originalmente direcionados par
Dentro dos Detalhes Revelados Sobre o Gemini de Próxima Geração: Poder de Cálculo Sobrecarregado, Equipes Internas Discordaram Sobre Prioridades de Desenvolvimento e Alocação de Recursos
Os relatórios indicam que o lançamento do tão aguardado modelo Gemini de próxima geração do Google foi adiado. Desentendimentos internos sobre prioridades de desenvolvimento e alocação de recursos, combinados com capacidade computacional limitada e p
A OpenAI descarta preocupações com a desaceleração do crescimento e afirma que múltiplas unidades de negócio estão acelerando.
Em resposta à escrutínio externo sobre o desaceleramento do crescimento das vendas e o não cumprimento de metas internas, o líder em inteligência artificial, OpenAI, emitiu uma declaração confiante na terça-feira, 28 de abril. A empresa esclareceu qu
I was totally blown away by PhysBrain 1.0! It’s like giving robots actual human-like common sense instead of just programmed tasks, which could revolutionize how we design assistive robots for daily life. I wonder if this tech will soon make self-driving cars more adaptable to unexpected road situations too?











