Buksan ang source robot utak: 22 benkmark 16 ang una, laban sa Gemini
Eksperimentong utak na robot: bagong matalinong manlalaro
Si Zeng Tse Yuan ay pinalaya kahapon. HY-Embonamatay-0.Hindi ito isang ordinaryong modelo ng malaking wika - para sa mga robot.UtakHindi ko alam. At...Lubusang Buksan ang PinagmulanHindi ko alam.
Sa pagkakataong ito, ito ay talagang seryoso.
Dalawang bersyon, dalawang stroke.
Ang HY-Embonamatay-0.5 ay nagbibigay ng dalawang bersyon:
| Bersiyon | Mga Parameter | Paglalagay | Kakayahan |
|---|---|---|---|
| MoT-2B | 2B Activate / 4B Kabuuang Parameter | Marginal depostment (robots) | 22 Pagsusuri sa Baseline, 16 na nakadudurog na mga modelo ng kasamahan |
| 32B | 32B Parameter | Masalimuot na pangangatuwiran (cloud/server) | Ihambing ang Gemini 3.0 Pro |
Mga tampok ng MoT-2B: Bagaman ang panlahat na parameter ay 4B, 2.2B parameter lamang ang napakikilos sa pangangatuwiran. Ibig sabihin...Ang bilis ng isang modelong 2B na may kakayahang lumampas sa 2BHindi ko alam.
Apat na pangunahing teknolohiya
1. MoT (Mixture-of-Transformers) arkitektura
Ang tradisyonal na modelong VLM (visual language model) ay nagsasama ng visual at wika. Gumamit ng HY-EmbonamatayArkitektura ng MoT, at nakakamit ang espisipikong kalkulasyon ng modulus sa pamamagitan ng mga palatandaan:
- Nakikitang LandasPantanging "social treatment module "
- Landas ng WikaPantanging pagproseso ng text module
- Mababaw na pangangatuwiran: Magkasamang pangangatuwiran sa ibayo ng paradigm
Mga epekto nito:Malaki ang isinulong ng kakayahan ng pandamdam sa paningin., habang pinananatili ang mahusay na bilis ng pangangatuwiran.
2. Chain katwiran + evolutive distilation
Paano magkakaroon ng malaking huwaran sa pangangatuwiran ang isang maliit na modelo? Ang sagot ay...Paglubog:
- 32B Ang mga Model ay nag-aaral ng komplikadong hakbang-sa-paang pangangatuwiran, pagpaplano, pag-iisip
- Sa pamamagitan ng on-policy distilation,Lumipat sa 2B Model
- Makagagawa ng maliliit na modelo.Padalus - dalos na pangangatuwiranIsa - isang hakbang.
3. Malaking-scale pre-pagsasanay
sukat ng Data: Tapos na 100 milyon Pisikal at sprayal na mga punto ng datos, tapos na 200 bilyon Mga pagong.
Iyan ang nagpapangyari sa mga modelo na matuto:
- 3D Kalawakang Malalim ang Pagkaunawa
- Hindi aktibong paglapit ng pisikal na mga bagay
- Mga Dinamiko ng Ahente
Hindi lang ito text data., ang datos ay partikular na para sa robotic senaryo.
4. VLA (Vision-Language-Action) aplikasyon
Ang HY-Embonamatay ay hindi lamang isang modelo para sa mga running benkmark tests, ito ay dinisenyo upang magingAng core cognitive engine ng isang pisikal na robot.:
- Walang - tigil na pagsasama - sama sa balangkas ng VLA
- Habang ang utak ng robot ay nagpapatakbo ng masalimuot na mga gawain.
- Ang malaking tagumpay ng tunay na mga robot sa daigdig.
Pagsubok sa 🎯 Baseline: nakadudurog na kasama
Sa 22 smart-relevant benchmark tests, ang MoT-2B ay16 na durog na mga modelo ng kasamahan:
| Bantay | HY-Embonamatay | 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 |
| Isip - isipin | 66.3 | 28.4 | 26.9 |
Ang pinakahalatang pagkakaiba ay ang MindCube.:HY-Embonamatay 66.3 vs Qwen3-VL 28.4,2.3 Maraming bentahaHindi ko alam.
Bakit ito mahalaga?
Matalino.AI. Mga pangunahing riles para sa susunod na dekada.:
- Modelo ng Wika: Paglutas sa problema ng “ -understand at “.
- Nakikitang Huwaran: Paglutas sa problemang "tingnan "
- Matalino.: Buksan ang "pag-unawa + tingnan ang + aksiyon" ganap na nakasarang loop
Kailangan ng mga robot:
- Pang - unawa3D Kalawakan, posisyon ng bagay, pagbabago ng kapaligiran
- Mga Argumento: magplano, hulaan ang mga kahihinatnan
- Pagpapahula: Pagkontrol ng kuryente, pisikal na operasyon
Nalutas ang HY-EmbonamatayUnang dalawang tanongAt nagbibigay ito sa robot ng tunay na utak.
Paano ito gumagana?
Bukás na adres:
- GitHub:Mga http://github.com/Tencent-Hunyuan/HY-Embonamatay
- Mukha ng Pagsugpo:Mga http://hagingface.co/tencent/HY-Embonamatay-0.
# 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
Mga kahilingan sa hardware:
- GPU: hindi bababa sa 16GB VRAM (binibigkas na NVIDIA GPU)
- CPU: Sinusuportahan Ngunit Mabagal
- Storage: 20GB+ (modelo noong mga 8GB)
Sumaryo
Buksan ang pinagmulan ng HY-Embonamatay-0.5, pagtatandaMatalino upang makapasok sa Open Age:
- 2B na bersyon na nagdudurog ng parehong antas, angkop para sa paglalagay sa gilid ng isang robot.
- 32B version paresing Gemini 3.0Pro, angkop para sa cloud katwiran
- MoT arkitektura + chain katwiran + 100M+ data pagsasanay
- Ang mga gamit ng VLA ay nagbibigay sa mga robot ng tunay na utak.
Ito ay...Isang pangunahing pagsulong para sa mga kompanyang Intsik sa larangan ng katalinuhan.Hindi ko alam.
Ang robot ay may utak, at ito'y gagana.