继PhysBrain 1.5在28项具身理解评测中登顶全球开源模型第一后，深度机智在物理智能基础研究领域再添一项重要成果。
近日，深度机智（DeepCybo）团队推出最新研究成果 EvoSpatial空间推理 智能体 自进化框架，实现空间推理经验的自主积累、跨任务复用与持续进化。
在20项 多维空间 推理 基准测试 中，取得综合性能领先，尤其在多视角、视频空间、动态推理等复杂任务中展现出显著优势。
EvoSpatial：探索空间智能自进化新路径
空间推理能力，是AI理解真实物理世界的核心基础之一。EvoSpatial提出了一套可持续进化的“技能-工具库”，解决空间推理中有效经验难以复用的关键问题。
EvoSpatial 给空间推理Agent装上了专属的「错题本与经验库」，将任务中得有效经验沉淀为可复用的技能与工具。面对新任务时，调用已有技能，减少重复探索，并根据执行反馈持续验证、修正与优化，让“技能-工具库”越用越丰富，越用越强。
由此，空间推理Agent形成了“实践-积累-复用-优化”的自进化闭环，每一次任务都可能成为下一次能力提升的基础，推动空间推理能力走向经验驱动的持续进化。
20项基准综合领先，复杂空间推理优势突出
EvoSpatial 的技术价值，得到了系统性实验验证。
团队在涵盖单图空间推理、多视角空间推理、视频空间与 4D 推理、通用空间推理及通用视频理解五大类别的 20 项基准测试中进行了全面评估。
在测评中，EvoSpatial 平均得分达到 63.9，较当前行业主流方案 SpatialClaw 提升 4.0 个百分点，在所有参评方法中表现最佳。
尤其是在需要整合多视角信息、理解时空变化的复杂任务中，EvoSpatial 的优势更加明显：
-
多视角空间推理 ： 类别平均成绩提升4.6个百分点。
-
视频空间与4D推理： 类别平均成绩提升5.7个百分点。
EvoSpatial 在处理复杂空间关系和动态场景时具备更强的推理能力，为 AI 应对更复杂、更开放的真实世界空间任务带来了有力的技术支撑。
经验有效复用，推理效率与成本双重优化
EvoSpatial 的核心优势，在于能够将一次任务中积累的经验迁移到后续任务中，持续发挥价值。团队通过测试，验证了这一能力：
- 跨任务经验可复用：在不再更新技能与工具库的情况下，未见任务的平均得分仍从 62.0 提升至 65.4，验证了积累的经验能够迁移至新任务。
EvoSpatial 还进一步实现了推理效率和资源利用的优化。在ERQA测试中，相较于SpatialClaw：
- 效率更高：工具调用轮次平均减少15.1%。
- 成本更低：平均Token总消耗降低20.9%。
这意味着，EvoSpatial 能够将已有经验转化为解决新问题的有效路径，减少重复探索与无效交互。经验越积越多，复用越充分，空间推理也能兼顾能力提升与成本优化。
夯实技术底座，体系化能力持续输出
从面向人类真实经验的数采体系建设，到PhysBrain物理智能基座模型的持续迭代并登顶开源榜首，此次EvoSpatial在空间推理Agent自进化方向取得新的研究成果。短时间内连续的技术突破，背后是深度机智全栈自研 的体系化能力。所有技术方向始终围绕 “人类学习” 的核心路线协同演进，夯实底层能力，推动技术突破的持续涌现。
从人类经验中学习，到让智能系统在任务执行中持续积累经验，深度机智正以一项项扎实的研究成果，持续推进通往物理通用智能的技术探索。
关于深度机智
深度机智是由北京中关村学院和中关村人工智能研究院联合孵化的首家物理AI大模型公司，以“实现物理AGI”为核心使命，专注于物理智能（Physical AI）研发，致力于打造中国自主的“机器人大脑”。
在国内率先定义并系统践行“人类学习”技术路线，以人类真实物理世界数据为起点，为基座模型注入物理智能。公司已形成数据、模型与本体三位一体的全栈自研技术体系：超百万小时级人类真实数据基座、全球开源第一的物理AI基座模型PhysBrain 1.5、具备高精度灵巧操作能力的拟人体硬件本体。为物理智能的持续突破与真实场景落地提供坚实支撑。
深度机智率先提出的“人类学习”路线，已相继获得国际头部公司的跟进与验证，充分印证了公司技术研发和战略布局的前瞻性。深度机智正持续以原始创新驱动技术突破，与多家行业领军企业建立战略合作，覆盖核心硬件、智能算力、行业应用等关键领域，汇聚产业链优势资源，加速物理AI成果转化与商业化应用。
