cerebro robot de código abierto: 22 puntos de referencia 16 primero, contra Gemini
🤖 Intelling open-source cerebro: nuevo jugador inteligente
Zeng Tse Yuan fue liberado ayer. HY-Embodied-0.5No es un modelo ordinario de lenguaje grande... es para robots.CerebroNo lo sé. Y...Fuente abierta completaNo lo sé.
Esta vez, es muy serio.
Dos versiones, dos golpes.
HY-Embodied-0.5 ofrece dos versiones:
| Versión | Parámetros | Posición | Ejecución |
|---|---|---|---|
| MoT-2B | 2B Activar / 4B Parámetros totales | Despliegue marginal (robots) | 22 Prueba de Baseline, 16 modelos de trituración entre pares |
| 32B | Parámetros 32B | Razonamiento complejo (cloud/servidor) | Contrast Gemini 3.0 Pro |
MoT-2B highlights: Aunque el parámetro general es 4B, sólo los parámetros 2.2B se activan en el razonamiento. Lo que significa...La velocidad de un modelo 2B con la capacidad de superar 2BNo lo sé.
Cuatro tecnologías básicas
1. MoT (Mixture-of-Transformers) arquitectura
El VLM tradicional (modelo visual) combina visual y lenguaje. HY-Embodied usedMoT Architecture, y consigue el cálculo específico del módulo por fichas latentes:
- Sendero visualMódulo de tratamiento visual especializado
- Camino del idiomaMódulo de procesamiento de textos especializado
- Razonamiento sinérgico: El razonamiento conjunto a través del paradigma
Efectos de esto:La capacidad sensorial visual ha mejorado dramáticamente., manteniendo un ritmo eficiente de razonamiento.
2. Razonamiento de cadena + destilación evolutiva
¿Cómo puede un modelo pequeño tener un gran modelo de razonamiento? La respuesta es...Destilación:
- 32B Modelos aprenden razonamiento complejo paso a paso, planificación, pensamiento
- A través de la destilación policial,Mover al modelo 2B
- Se pueden hacer modelos pequeños.Razones de cadenaUn paso a la vez.
3. Capacitación previa en gran escala
Tamaño de los datos: 100 millones Puntos de datos físicos y espaciales sobre 200 mil millones Tokens.
Eso hace que los modelos aprendan:
- Entendimiento profundo del espacio 3D
- Enfoque interactivo de los objetos físicos
- Dinámica del agente
No son solo datos de texto., los datos específicamente para escenarios robóticos.
4. Aplicación VLA (Vision-Language-Action)
HY-Embodied no es sólo un modelo para realizar pruebas de referencia, está diseñado para serEl motor cognitivo central de un robot físico.:
- Una integración perfecta en un marco VLA
- Como el cerebro robot conduce tareas complejas.
- La alta tasa de éxito de robots del mundo real.
🎯 Prueba de base: trituración de pares
En 22 pruebas de referencia de relevancia inteligente, MoT-2B es16 modelos triturados de pares:
| Benchmark | HY-Embodied | Qwen3-VL 2B | RoboBrain 4B |
|---|---|---|---|
| CV-Bench | 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 |
La diferencia más obvia es MindCube.:HY-Embodied 66.3 vs Qwen3-VL 28.4,2.3 Ventajas múltiplesNo lo sé.
¿Por qué es importante?
Inteligente.IA. Principales vías para la próxima década.:
- Modelo de idioma: solucionó el problema de “comprensión” y “generación”
- Modelo visual: solucionó el problema "ver"
- Inteligente.: Resolver "comprendido + ver + acción" bucle cerrado completo
Los robots necesitan:
- PercepciónEspacio 3D, posición de objeto, cambio ambiental
- Argumentos: planificar el curso de acción, predecir las consecuencias
- Aplicación: Control de energía eléctrica, operación física
HY-Embodied resueltoPrimero dos preguntasY le da al robot un cerebro real.
¿Cómo funciona?
Dirección de código abierto:
- GitHub:https://github.com/Tencent-Hunyuan/HY-Embodied
- Hugging Face: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
Requisitos de hardware:
- GPU: al menos 16GB VRAM (GPU NVIDIA recomendada)
- CPU: Apoyo pero lento
- Almacenamiento: 20GB+ (modelo alrededor de 8 GB)
Resumen
Fuente abierta de HY-Embodied-0.5, marcadoLo suficientemente inteligente para entrar en la era abierta:
- Versión 2B aplastando el mismo nivel, adecuado para el despliegue en el borde de un robot.
- 32B versión paring Gemini 3.0Pro, adecuado para el razonamiento en la nube
- Arquitectura MoT + razonado de cadena + entrenamiento de datos 100M+
- Las aplicaciones de VLA dan a los robots un cerebro real.
Esto es...Un gran avance para las empresas chinas en la esfera de la inteligencia.No lo sé.
El robot tiene un cerebro, y va a funcionar.