Open source robot hjerne: 22 benchmark 16 først, mot Gemini

HY-Embody struktur

🤖 Forteljer open-source robot hjerne: ny smart spiller

Zeng Tse Yuan ble løslatt i går. HY-Embody-0,5Det er ikke en vanlig storspråkmodell - det er for roboter.HjernenJeg vet ikke. Og...Full åpen kildekodeJeg vet ikke.

Denne gangen er det virkelig alvorlig.

To versjoner, to slag.

HY-Embude-0.5 gir to versjoner:

Utgave	Parametre	Stilling	Ytelse
Mott-2B	2B Aktivere / 4B Total Parametre	Marginal distribusjon (roboter)	22 baseline test, 16 knusende peer modeller
32B	32B-parametere	Kompleks resonnement (kloud/server)	Kontrast Gemini 3.0 Pro

MotT-2B høydepunkterSelv om den totale parameteren er 4B, aktiveres bare 2,2B-parametrene i resonnement. Det betyr...Hastigheten til en 2B-modell med evnen til å overstige 2BJeg vet ikke.

Fire kjerneteknologier

1. Mot (Mixture-of-Transformers) arkitektur

Tradisjonell VLM (visuell språkmodell) kombinerer visuelt og språk. HY-Emplifid bruktMot Arkitektur, og oppnår den spesifikke beregningen av modulus ved latente tokens:

Visuel baneSpesialisert visuell behandling modul
SpråkveiSpesialisert tekstbehandlingsmodul
Synergisk resonnementFelles resonnement over paradigmet

Effekter av dette:Den visuelle sensoriske evnen har forbedret seg dramatisk.samtidig som det opprettholdes et effektivt resonnement.

2. Chain resonnement + evolutive destillasjon

Hvordan kan en liten modell ha et stort argument? Svaret er...Destillasjon:)

32B Modeller lærer komplekse trinn-for-steg resonnement, planlegging, tenkning
gjennom destillasjon på politikken,Flytt til 2B-modell
Små modeller kan lages.KjedebegrunnelseEtt skritt om gangen.

3. Storskala pre-trening

Datastørrelse: Over 100 millioner Fysiske og geografiske datapunkter, over 200 milliarder Tokens.

Det er det som får modeller til å lære:

3D rom dyp forståelse
Interaktiv tilnærming av fysiske objekter
Agentens dynamikk

Det er ikke bare tekstdata.Dataene spesielt for robotscenarier.

4. VLA (Vision-Language-Action) søknad

HY-Emuldium er ikke bare en modell for kjører benchmark tester, det er designet for å væreKjerne kognitiv motor av en fysisk robot.:)

En sømløs integrering i et VLA-rammeverk
Som robot hjernen driver komplekse oppgaver.
Den høye suksessraten til ekte roboter.

🎯 baseline test: knusing peer

I 22 smart-relevante benchmark tester, er mott-2B16 knuste peer modeller:)

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

Den mest åpenbare forskjellen er MindCube.:HY-Embody 66.3 vs Qwen3-VL 28.4,2.3 Flere fordelerJeg vet ikke.

Hvorfor er dette viktig?

Smart.Nøkkelspor det neste tiåret.:)

SpråkmodellLøst problemet med \"forståelse\" og \"generasjon\"
Visual Model: løst problemet
Smart.: Løs "forståelse + se + handling" full lukket sløyfe

Roboter trenger:

Oppfattelse3D-rom, objektposisjon, miljøendring
ArgumentPlanlegg handlingen, forutsi konsekvensene
Implementasjon: Kontroll av elektrisk kraft, fysisk drift

HY-Embude løstFørste to spørsmålOg det gir roboten en ekte hjerne.

Hvordan fungerer det?

Åpne kildeadresse:

GitHub:)https://github.com/Tencent-Hunyuan/HY-Emuldid
Huggende ansikt:)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

Maskinvarekrav:)

GPU: minst 16GB VRAM (anbefalt NVIDIA GPU)
CPU: Støttet men sakte
Lagring: 20GB+ (modell ca 8GB)

Sammendrag

Åpen kilde til HY-Emule-0.5, merkingSmart nok til å komme inn i åpen alder:)

2B versjon knuser det samme nivået, egnet for distribusjon i kanten av en robot.
32B versjon paring Gemini 3.0Pro, egnet for sky resonnement
Mot arkitektur + kjede resonnement + 100M + datatrening
VLA-applikasjoner gir roboter en ekte hjerne.

Dette er...Et stort gjennombrudd for kinesiske selskaper i etterretningsområdet.Jeg vet ikke.

Roboten har en hjerne, og det kommer til å fungere.