オープンソースロボットの脳:ジェミニから22のベンチマーク16が最初に
オープンソース ロボット 脳:新しいスマート プレーヤー
昨日のZeng Tse Yuanがリリースされました。 HY-エンボディド0.5普通の大きな言語モデルではなく、ロボット向けです。ログインお問い合わせ そして...完全なオープンソースお問い合わせ
今回は本当に真面目です。
2つのバージョン、2つのストローク。
HY-Embodied-0.5は2つのバージョンを提供します。
| バージョン | パラメーター | ポジション | パフォーマンス |
|---|---|---|---|
| モット-2B | 2Bは/4B合計変数活動化させます | マージナル展開(ロボット) | 22ベースラインテスト、16はピアモデルを粉砕します |
| 32Bの | 32B 変数 | 複雑な推論(クラウド/サーバー) | コントラストジェミニ 3.0 Pro |
MoT-2B ハイライト: 全体的な変数は4Bですが、推論では2.2B変数だけ活動化しています。 つまり、2Bを超える能力を持つ2Bモデルの速度お問い合わせ
4つのコア技術
1. MoT(Mixture-of-Transformers)アーキテクチャ
従来のVLM(ビジュアル・ランゲージ・モデル)は、ビジュアルと言語を組み合わせたものです。 使用される HY 浮彫りにされるMoTアーキテクチャ, そして、潜在トークンによって係数の特定の計算を達成します:
- ビジュアルパス専門化された視覚処置モジュール
- 言語パス特殊なテキスト処理モジュール
- シナジー推論: パラダイムを渡る共同推論
この影響:視覚感覚能力が飛躍的に向上しました。、推論の有効なペースを維持している間。
2. チェーン推論+進化蒸留
小さなモデルは、推論の大きなモデルを持つことができますか? 答えは...免責事項: : :
- 32Bモデルは、複雑なステップバイステップ推論、計画、思考を学びます
- オンポリシー蒸留を通して、2Bモデルに移動
- 小さいモデルは作ることができます。チェーン推論一度に一歩一歩。
3. 大規模な事前訓練
データ サイズ: に 100万トン 物理的および空間的なデータポイント、上 200億円 トークン。
これはモデルが学習するものです。
- 3Dスペース深い理解
- 物理的なオブジェクトのインタラクティブなアプローチ
- エージェントの動的
テキストデータだけではありません。, ロボティックシナリオに特化したデータ.
4. VLA(Vision-Language-Action)アプリケーション
HY-Embodiedは、ベンチマークテストを実行するモデルだけでなく、物理ロボットのコア認知エンジン。: : :
- VLAフレームワークへのシームレスな統合
- ロボットの脳は複雑なタスクを駆動する。
- 世界ロボットの成功率が高い。
危機ベースラインテスト: 仲間をつぶす
22のスマートな関連したベンチマークのテストでは、MoT-2Bはあります16 個のクラッシュしたピアモデル: : :
| ベンチマーク | ハイエンボダイド | Qwen3-VL 2Bの特長 | ロボブレイン4B |
|---|---|---|---|
| CV-ベンチ | 89.2 | 80.0 | 86.9 |
| DA-2Kの特長 | 92.3 | 69.5 | 79.4 |
| EmbSpatial ベンチ | 82.8 | 75.9 | 73.8 |
| マインドキューブ | 66.3 | 28.4 | 26.9 |
最も明らかな違いはマインドキューブです。:HY-エンボディド66.3対Qwen3-VL 28.4、2.3 多数の利点お問い合わせ
なぜ重要なのか?
スマート。AI. 次の10年間の主なトラック。: : :
- 言語モデル: 「理解」と「世代」の問題を解決
- ビジュアルモデル: 「参照」問題の解決
- スマート。: "understanding + see + action" フルクローズドループを解決
ロボットの必要性:
- インフォメーション3D空間、オブジェクト位置、環境変化
- カテゴリー: 行動の経過を計画し、結果を予測する
- 導入事例: 電力、物理的な操作の制御
HY-浮彫りにされた解決最初の2つの質問そして、ロボットに本当の脳を与えます。
どのように機能しますか?
オープンソースアドレス:
- GitHubで: : :https://github.com/Tencent-Hunyuan/HY-Embodied
- 抱擁の顔: : :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
ハードウェア要件: : :
- GPU:少なくとも16GB VRAM(推奨NVIDIA GPU)
- CPU: 支えられるが、遅い
- ストレージ: 20GB + (約8GB)
インフォメーション
HY-Embodied-0.5の印の開いた源オープンエイジを入力するのに十分なスマート: : :
- 2Bバージョンは、同じレベルを粉砕し、ロボットのエッジで展開に適しています。
- 32B版対Gemini 3.0Pro、クラウド推論に適した
- MoTアーキテクチャ+チェーン推論+100M+データトレーニング
- VLAアプリケーションは、ロボットに実際の脳を与えます。
これは...知能分野における中国企業にとって大きな飛躍。お問い合わせ
ロボットは頭脳を持ち、仕事に行く。