Avoimen lähdekoodin robotti aivot: 22 benchmark 16 ensin, vastaan Gemini

Avoimen lähdekoodin robotti-aivojen ilmoittaminen: uusi älykäs pelaaja

Zeng Tse Yuan vapautettiin eilen. HY-Embodioitu-0,5Se on roboteille.AivotEn tiedä. Ja...Täysi avoin lähdekoodiEn tiedä.

Tällä kertaa se on todella vakavaa.

Kaksi versiota, kaksi iskua.

HY-Embodied-0.5 tarjoaa kaksi versiota:

Versio	Parametrit	Sijainti	Suorituskyky
MoT-2B	2B Aktivoi / 4B Parametrit yhteensä	Marginaalikäyttö (robotit)	22 lähtötilanteen testi, 16 murskaus- vertaismallia
32B	32B Parametrit	Monimutkainen perustelu (pilvi/palvelin)	Contrast Gemini 3. 0 Pro

MoT-2B:n kohokohdat: Vaikka yleinen parametri on 4B, vain 2.2B parametrit aktivoidaan päättelyssä. Se tarkoittaa...2B-mallin nopeus, joka ylittää 2BEn tiedä.

Neljä ydinteknologiaa

1. MOT (Muuntajien sekoitus) -arkkitehtuuri

Perinteinen VLM (visual language model) yhdistää visuaalisen ja kielen. HY-EmbodioituMOT-arkkitehtuuri, ja saavuttaa erityisen laskelman modulaation piilevillä rahakkeilla:

• NäköpolkuVisuaalisen hoidon erikoismoduuli
• KielipolkuErikoistunut tekstinkäsittelymoduuli
• Synerginen päättely: Yleinen ajattelutapa

Tämän vaikutukset:Näkökyky on parantunut dramaattisesti., säilyttäen tehokkaan harkintatahdin.

2. Ketjujen päättely + evolutiivinen tislaus

Miten pienellä mallilla voi olla suuri päättelymalli? Vastaus on...Tislaus:

• 32B Mallit oppivat monimutkaista ajattelua askel askeleelta, suunnittelua, ajattelua
• Tislauspolitiikan avullaSiirrä 2B-malliin
• Pieniä malleja voidaan tehdä.Ketjujen päättelyAskel kerrallaan.

3. Laaja esikoulutus

Tietojen koko: yli 100 miljoonaa Fyysiset ja paikkatietopisteet 200 miljardia Tokens.

Se saa mallit oppimaan:

• 3D Space Deep understanding
• Fyysisten esineiden interaktiivinen lähestymistapa
• Agentin dynamiikka

Kyse ei ole vain tekstidatasta., tiedot erityisesti robotti skenaarioita.

4. VLA (Vision-Language-Action) -sovellus

HY-Embodied ei ole vain malli suorittaa vertailutestit, se on suunniteltuFyysisen robotin kognitiivinen moottori.:

• Saumaton integrointi VLA-kehykseen
• Kuten robotti aivot ajaa monimutkaisia tehtäviä.
• Todellisten robottien menestysprosentti on korkea.

🎯 Baseline test: crushing peer

Smart-relevanttien vertailutestien 22:ssa16 murskattua vertaismallia:

Vertailuarvo	HY- Embolidi	Qwen3-VL 2B	RoboBrain 4B
CV-penkki	89.2	80.0	86.9
DA-2K	92.3	69.5	79.4
Emb Spatial Bench	82.8	75.9	73.8
MindCube	66.3	28.4	26.9

Ilmeisin ero on MindCube.:HY-Embodioitu 66,3 vs. Qwen3-VL 28,4,2.3 Useita etujaEn tiedä.

Miksi tämä on tärkeää?

Fiksua.Al. Avainkappaleet seuraavan vuosikymmenen.:

• Kielimalli: ratkaista ongelma ...Ymmärtää...
• Visuaalinen malli: ratkaista "ks." ongelma
• Fiksua.: Selvitä "Ymmärrettävä + katso + toiminta" täysin suljettu silmuka

Robotit tarvitsevat:

1. Näkö3D Avaruus, kohteen sijainti, ympäristön muutos
2. Argumentit: suunnitella toimintatapa, ennustaa seurauksia
3. Täytäntöönpano: Sähkövoiman hallinta, fyysinen toiminta

HY-Embodioitu ratkaistuKaksi ensimmäistä kysymystäSe antaa robotille oikeat aivot.

Miten se toimii?

Avoimen lähdekoodin osoite:

• GitHub:https://github.com/Tencent-Hunyuan/HY-Embodied
• Kasvojen halailu: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

Laitevaatimukset:

• GPU: vähintään 16GB VRAM (suositeltu NVIDIA GPU)
• Suoritin: Tuettu, mutta hidas
• Varasto: 20GB+ (malli noin 8GB)

Yhteenveto

HY-Embodied-0.5:n avoin lähde, merkintäTarpeeksi fiksu päästäkseen avoimeen aikaan:

• 2B-versio murskaa saman tason, sopii robotin reunalle.
• 32B versio paritus Gemini 3.0Pro, sopii pilvi päättely
• MoT arkkitehtuuri + ketjun päättely + 100M+ datakoulutus
• VLA-sovellukset antavat roboteille oikeat aivot.

Tämä on...Suuri läpimurto kiinalaisille yrityksille tiedustelun alalla.En tiedä.

Robotilla on aivot ja se toimii.