Open source робот мозък: 22 бенчмарк 16 първо, срещу Близнаци
Разузнаване на роботски мозък с отворен код: нов умен играч
Дзен Дзе Юан беше освободен вчера. HY-Embodied- 0, 5Това не е обикновен голям езиков модел -- за роботи е.МозъкНе знам. И...Пълен отворен кодНе знам.
Този път наистина е сериозно.
Две версии, два удара.
HY-Embodied-0.5 предлага две версии:
| Версия | Параметри | Положение | Изпълнение |
|---|---|---|---|
| MoT-2B | 2B Активиране / 4B Общи параметри | Гранично разполагане (роботи) | 22 Изходен тест, 16 смачкване партньорски модели |
| 32Б | 32B параметри | Комплексни мотиви (облак/сървър) | Contrast Gemini 3. 0 Pro |
Акценти на MoT-2B: Въпреки че общият параметър е 4B, само 2.2B параметри се активират в разсъждения. Което означава...Скоростта на модел 2B с възможност да превишава 2BНе знам.
Четири основни технологии
1. MoT (Смесено-на-Трансформърс) архитектура
Традиционният VLM (визуален езиков модел) съчетава визуална и езикова. Използвано Хи-EmbodiedMoT Architecture, и постига специфичното изчисление на модул от латентни символи:
- Визуален пътСпециализиран модул за визуална обработка
- Езиков пътСпециализиран модул за обработка на текст
- Синергична логика: Съвместно мислене през парадигмата
Ефекти от това:Визуалната сензорна способност се е подобрила драстично., като същевременно се поддържа ефективно темпо на разсъждение.
2. Верижна логика + еволютивна дестилация
Как един малък модел може да има голям модел на разсъждение? Отговорът е...Дестилация:
- 32B Моделите научават сложни разсъждения стъпка по стъпка, планиране, мислене
- Чрез дестилация на политики,Преместване в 2B модел
- Могат да се правят малки модели.Верижни мотивиСтъпка по стъпка.
3. Мащабно предварително обучение
Размер на данните: Над 100 милиона Точки за физическите и пространствените данни, над 200 милиарда Тоукс.
Това кара моделите да се учат:
- 3D пространство дълбоко разбиране
- Интерактивен подход на физическите обекти
- Dynamics на агент
Не са само текстови данни., данните специално за роботизирани сценарии.
4. VLA (Vision-Language-Action) приложение
HY-Embodied не е просто модел за провеждане на референтни тестове, той е проектиран да бъдеЯдрото когнитивен двигател на физически робот.:
- Безпроблемна интеграция в рамка на VLA
- Като робот мозък кара сложни задачи.
- Високата успеваемост на роботите в реалния свят.
Тест: смачкване
В 22 смарт-съответни референтни изпитвания, MoT-2B е16 смачкани партньорски модели:
| Показател | HY-Embodied | Qwen3-VL 2B | RoboBrain 4B |
|---|---|---|---|
| CV- Бенч | 89.2 | 80.0 | 86.9 |
| DA-2K | 92.3 | 69.5 | 79.4 |
| EmbSpatial-Bench | 82.8 | 75.9 | 73.8 |
| MindCube | 66.3 | 28.4 | 26.9 |
Най-очевидната разлика е MindCube.:HY-Embodied 66.3 vs Qwen3-VL 28.4,2, 3 Множество предимстваНе знам.
Защо това е важно?
Умно.Ал.Ключови следи за следващото десетилетие.:
- Езиков модел: Решаване на проблема с разбиране и поколение
- Визуален модел: решен проблем "виж"
- Умно.: Възстановете "разбиране + вижте + действие" пълен затворен цикъл
Роботите се нуждаят от:
- Възприятие3D пространство, позиция на обекта, промяна на околната среда
- Доводи: планират хода на действие, прогнозират последиците
- Изпълнение: Управление на електрическата енергия, физическа работа
HY-Embodied решенПървите два въпроса.И дава на робота истински мозък.
Как работи?
Адрес с отворен код:
- GitHub:https://github.com/Tencent-Hunyuan/Hy-Embodied
- Прегръдка лице:https://hugggface.co/tencent/Hy-Embodied-0.5
# 安装 pip install git+https://github.com/huggingface/transformers@... # 克隆仓库 git clone https://github.com/Tencent-Hunyuan/HY-Embodied cd HY-Embodied/ pip install -r requirements.txt # 运行推理 python inference.py
Изисквания към хардуера:
- GPU: най-малко 16GB VRAM (препоръчително NVIDIA GPU)
- CPU: поддържано, но бавно
- Съхранение: 20GB+ (модел около 8GB)
Резюме
Отворен източник на HY-Embodied-0.5, маркировкаДостатъчно умен, за да навлезе в отворената епоха:
- 2B версия смачкване на същото ниво, подходящ за разполагане на ръба на робот.
- 32B версия двойка Близнаци 3.0Pro, подходяща за облачни мотиви
- MoT архитектура + верижно мислене + 100M+ обучение за данни
- Приложенията на VLA дават на роботите истински мозък.
Това е...Голям пробив за китайските фирми в областта на разузнаването.Не знам.
Роботът има мозък и ще проработи.