Open source robot hjerne: 22 benchmark 16 først, mod Gemini
Intelling open- source robot hjerne: ny smart spiller
Zeng Tse Yuan blev løsladt i går. HY- embodied- 0, 5Det er ikke en almindelig stor sprogmodel -- det er for robotter.HjerneDet ved jeg ikke. Og...Fuld åben kildeDet ved jeg ikke.
Denne gang er det virkelig alvorligt.
To versioner, to slag.
HY- embodied- 0, 5 giver to versioner:
| Version | Parametre | Positionering | Resultater |
|---|---|---|---|
| MoT-2B | 2B Aktiver / 4B Samlede parametre | Marginal implementering (robotter) | 22 Baseline test, 16 knusende peer modeller |
| 32B | 32B Parametre | Komplekse ræsonnementer (cloud / server) | Kontrast Gemini 3.0 Pro |
MoT-2B højdepunkter: Selv om den samlede parameter er 4B, kun 2.2B parametre aktiveres i ræsonnementet. Hvilket betyder...Hastigheden af en 2B-model med mulighed for at overstige 2BDet ved jeg ikke.
Fire kerneteknologier
1. MoT (mixture- of- transformers) arkitektur
Traditionel VLM (visuel sprogmodel) kombinerer visuelt og sprog. HY- embodieret anvendtMot arkitektur, og opnår den specifikke beregning af modulerne ved latente tokens:
- Visuel stiSpecialiseret visuelt behandlingsmodul
- SprogstiSpecialiseret tekstbehandlingsmodul
- Synergisk ræsonnementFælles ræsonnement på tværs af paradigmet
Virkninger af dette:Den visuelle sanseevne er forbedret dramatisk., mens opretholde et effektivt tempo i ræsonnementet.
2. Kæderæsonnement + evolutiv destillation
Hvordan kan en lille model have en stor model af ræsonnement? Svaret er...Destillation:
- 32B Modeller lære komplekse trin-by-trin ræsonnement, planlægning, tænkning
- Gennem on- policy destillation,Flyt til 2B Model
- Små modeller kan laves.KæderæsonnementEt skridt ad gangen.
3. Storskalaforberedende træning
Datastørrelse: Over 100 mio. Fysiske og geografiske datapunkter, over 200 mia. Tokens.
Det er det, der får modellerne til at lære:
- 3D rumdyb forståelse
- Interaktiv tilgang af fysiske objekter
- Agent Dynamics
Det er ikke kun tekstdata.data specifikt for robotscenarier.
4. Anvendelse af VLA (Vision- Language- Action)
HY- embodied er ikke kun en model for at køre benchmark test, det er designet til at væreKernen kognitiv motor af en fysisk robot.:
- En problemfri integration i en VLA-ramme
- Som robot hjerne kører komplekse opgaver.
- Den høje succesrate af den virkelige verden robotter.
Baseline test: knusning peer
I 22 smart- relevante benchmark test, MoT-2B er16 knuste peer modeller:
| Benchmark | HY- embodied | Qwen3- VL 2B | RoboBrain 4B |
|---|---|---|---|
| CV- bench | 89.2 | 80.0 | 86.9 |
| DA- 2K | 92.3 | 69.5 | 79.4 |
| Empire Spatial- Bench | 82.8 | 75.9 | 73.8 |
| MindCube | 66.3 | 28.4 | 26.9 |
Den mest åbenlyse forskel er MindCube.: HY- emboli 63, 3 vs Qwen3- VL 28, 4,2.3 Flere fordeleDet ved jeg ikke.
Hvorfor er det vigtigt?
Smart.Nøglespor for det næste årti.:
- Sprogmodel: løst problemet med "forståelse" og "generation"
- Visuel model: løst "se" problem
- Smart.: Løs "forståelse + se + handling" fuld lukket løkke
Robotter har brug for:
- Opfattelse3D plads, objekt position, miljøforandring
- Argumenter: Planlæg handlingsforløbet, forudsige konsekvenserne
- GennemførelseKontrol af elektrisk kraft, fysisk drift
HY- embodieret løstFørste to spørgsmålOg det giver robotten en rigtig hjerne.
Hvordan virker det?
Opensource-adresse:
- GitHub:https: / / github.com / Tencent- Hunyuan / HY- embodied
- Kæmpende ansigt:https: / / huggingface.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
Hardwarekrav:
- GPU: mindst 16 GB VRAM (anbefalet NVIDIA GPU)
- CPU: Støttet, men langsom
- Opbevaring: 20GB + (model ca. 8GB)
Oversigt
Åben kilde til HY- embodied- 0, 5, markeringSmart nok til at komme ind i den åbne tidsalder:
- 2B version knusning samme niveau, egnet til deployering på kanten af en robot.
- 32B version parring Gemini 3.0Pro, velegnet til cloud ræsonnement
- MoT arkitektur + kæde ræsonnement + 100M + data uddannelse
- VLA applikationer giver robotter en reel hjerne.
Det er...Et stort gennembrud for kinesiske virksomheder på efterretningsområdet.Det ved jeg ikke.
Robotten har en hjerne, og den vil virke.