Cervello robot open source: 22 benchmark 16 primo, contro Gemini
🤖 Intelling cervello robot open source: nuovo giocatore intelligente
Zeng Tse Yuan è stato rilasciato ieri. HY-Embody-0.5Non e' un normale modello di lingua, e' per i robot.CervelloNon lo so. E...Fonte aperta completaNon lo so.
Questa volta e' davvero grave.
Due versioni, due colpi.
HY-Embody-0.5 offre due versioni:
| Versione | Parametri | Posizionamento | Prestazioni |
|---|---|---|---|
| MoT-2B | 2B Attivare / 4B parametri totali | Distribuzione marginale (robots) | 22 Baseline test, 16 modelli peer schiaccianti |
| 32B | Parametri 32B | ragionamento complesso (cloud/server) | Contrasto Gemini 3.0 Pro |
MoT-2B highlights: Anche se il parametro complessivo è 4B, solo i parametri 2.2B sono attivati nel ragionamento. Il che significa...La velocità di un modello 2B con la capacità di superare 2BNon lo so.
Quattro tecnologie principali
1. Architettura MoT (Mixture-of-Transformers)
Tradizionale VLM (modello di linguaggio visivo) combina visuale e lingua. HY-Embody usatoMoT Architettura, e raggiunge il calcolo specifico del modulo da gettoni latenti:
- Sentiero visivoModulo di trattamento visivo specializzato
- Percorso linguisticoModulo di elaborazione del testo specializzato
- ragionamento sinergico: ragionamento comune attraverso il paradigma
Effetti di questo:La capacità sensoriale visiva è migliorata notevolmente., pur mantenendo un ritmo efficiente di ragionamento.
2. ragionamento a catena + distillazione evolutiva
Come può un piccolo modello avere un grande modello di ragionamento? La risposta è...Distillazione:
- 32B I modelli imparano ragionamento complesso passo-passo, pianificazione, pensiero
- Attraverso la distillazione on-policy,Spostare il modello 2B
- Possono essere realizzati piccoli modelli.Ragione a catenaUn passo alla volta.
3. Preformazione su larga scala
Dimensione dei dati: Over 100 milioni Punti di dati fisici e spaziali, oltre 200 miliardi Token.
Ecco cosa fa imparare i modelli:
- 3D spazio profonda comprensione
- Approccio interattivo di oggetti fisici
- Dinamica dell'agente
Non sono solo dati di testo., i dati specificamente per scenari robotici.
4. VLA (Vision-Language-Action) applicazione
HY-Embody non è solo un modello per eseguire test di benchmark, è progettato per essereIl motore cognitivo principale di un robot fisico.:
- Un'integrazione senza soluzione di continuità in un quadro VLA
- Come cervello robot guida compiti complessi.
- L'alto tasso di successo dei robot del mondo reale.
🎯 Baseline test: peer schiacciante
In 22 test di benchmark intelligenti rilevanti, MoT-2B è16 modelli peer schiacciati:
| Benchmark | HY-Embody | 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 differenza più evidente è MindCube.:HY-Embody 66.3 vs Qwen3-VL 28.4,2.3 Vantaggi multipliNon lo so.
Perche' e' importante?
Intelligente.Le tracce chiave per il prossimo decennio.:
- Modello linguistico: risolto il problema del “composto” e della “generazione”
- Modello visivo: risolto il problema "vedere"
- Intelligente.: Risolvere "in piedi + vedere + azione" ciclo completo chiuso
I robot hanno bisogno:
- Percezione3D Spazio, posizione dell'oggetto, cambiamento ambientale
- Argomenti: pianificare il corso d'azione, prevedere le conseguenze
- Attuazione: Controllo dell'energia elettrica, funzionamento fisico
Corpo HY risoltoLe prime due domandeE dà al robot un vero cervello.
Come funziona?
Indirizzo open source:
- GitHub:https://github.com/Tencent-Hunyuan/HY-Embody
- Viso di abbraccio:https://huggingface.co/tencent/HY-Embody-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
Requisiti hardware:
- GPU: almeno 16GB VRAM (raccomandato GPU NVIDIA)
- CPU: Supportato ma lento
- Archiviazione: 20GB+ (modello circa 8GB)
Sintesi
open source di HY-Embody-0.5, marcaturaAbbastanza intelligente da entrare nell'età aperta:
- Versione 2B schiacciando lo stesso livello, adatto per la distribuzione al bordo di un robot.
- 32B versione abbinamento Gemini 3.0Pro, adatto per il ragionamento cloud
- Architettura MoT + ragionamento della catena + 100M+ formazione dei dati
- Le applicazioni VLA danno ai robot un vero cervello.
E'...Una svolta importante per le aziende cinesi nel settore dell'intelligenza.Non lo so.
Il robot ha un cervello e funzionera'.