Português

← Voltar à lista

Cérebro de robô de código aberto: 22 benchmark 16 primeiro, contra Gemini

itadol5j

Estrutura HY- encorpado

Intelling cérebro de robô de código aberto: novo jogador inteligente

O Zeng Tse Yuan foi libertado ontem. HI- encorpado-0,5Não é um modelo de linguagem comum, é para robôs.CérebroNão sei. E...Código aberto completoNão sei.

Desta vez, é muito sério.

Duas versões, dois traços.

HY-Encarnado-0.5 fornece duas versões:

Versão Parâmetros Posicionamento Desempenho
MoT-2B Ativar 2B / Parâmetros Total 4B Implementação marginal (robôs) 22 Teste de base, 16 modelos de esmagamento
32B Parâmetros 32B Raciocínio complexo (nuvem/servidor) Contraste Gemini 3.0 Pro

Destaques do MoT-2B: Embora o parâmetro global seja 4B, apenas os parâmetros 2.2B são ativados no raciocínio. O que significa...Velocidade de um modelo 2B com capacidade para exceder 2BNão sei.

Quatro tecnologias fundamentais

1. Arquitetura MoT (Mistura de Transformadores)

VLM tradicional (modelo de linguagem visual) combina visual e linguagem. HY- encorpado utilizadoArquitetura MoT, e atinge o cálculo específico do módulo por tokens latentes:

  • Caminho VisualMódulo de tratamento visual especializado
  • Caminho da LínguaMódulo de processamento de texto especializado
  • Raciocínio sinérgico: Raciocínio conjunto em todo o paradigma

Efeitos disto:A capacidade sensorial visual melhorou drasticamente., mantendo um ritmo eficiente de raciocínio.

2. Raciocínio da cadeia + destilação evolutiva

Como um modelo pequeno pode ter um grande modelo de raciocínio? A resposta é...Destilação:

  • 32B Modelos aprendem raciocínio passo a passo complexo, planejamento, pensamento
  • Através da destilação em curso,Mover para o modelo 2B
  • Modelos pequenos podem ser feitos.Raciocínio em cadeiaUm passo de cada vez.

3. Pré-formação em larga escala

Tamanho dos dados: Sobre 100 milhões Pontos de dados físicos e espaciais, sobre 200 mil milhões Tokens.

É isso que faz os modelos aprenderem:

  • Compreensão Profunda do Espaço 3D
  • Abordagem interativa de objetos físicos
  • Dinâmica do Agente

Não são apenas dados de texto., os dados especificamente para cenários robóticos.

4. Aplicação VLA (Vision-Language-Action)

HY-Encarnado não é apenas um modelo para executar testes de benchmark, é projetado para serO motor cognitivo principal de um robô físico.:

  • Uma integração perfeita em um framework VLA
  • Como cérebro robô conduz tarefas complexas.
  • A alta taxa de sucesso de robôs do mundo real.

Teste inicial: esmagamento por pares

Em 22 testes de referência inteligentes, o MoT-2B é16 modelos de pares esmagados:

Benchmark HY-Encarnado 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

A diferença mais óbvia é MindCube.:HY-Encarnado 66,3 vs Qwen3-VL 28,4,2.3 Vantagens múltiplasNão sei.

Por que isso é importante?

Inteligente.Al. Key faixas para a próxima década.:

  • Modelo de idioma: resolveu o problema de “compreensão” e “geração”
  • Modelo Visual: resolveu o problema "ver"
  • Inteligente.: Resolver "compreensão + ver + ação" loop fechado completo

Os robôs precisam:

  1. PercepçãoEspaço 3D, posição do objeto, mudança ambiental
  2. Argumentos: planejar o curso da ação, prever as consequências
  3. Execução: Controle de energia elétrica, operação física

HY- Corporado resolvidoPrimeiras duas questõesE dá ao robô um cérebro verdadeiro.

Como funciona?

Endereço de código aberto:

# 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

Requisitos em matéria de hardware:

  • GPU: pelo menos 16GB VRAM (GPU NVIDIA recomendada)
  • CPU: Suportado mas lento
  • Armazenamento: 20GB+ (modelo cerca de 8GB)

Resumo

Fonte aberta de HY-Encarnado-0,5, marcaçãoInteligente o suficiente para entrar na Idade Aberta:

  • Versão 2B esmagando o mesmo nível, adequado para implantação na borda de um robô.
  • Emparelhamento de versão 32B Gemini 3.0Pro, adequado para raciocínio em nuvem
  • Arquitetura MoT + raciocínio em cadeia + treinamento de dados 100M+
  • Aplicações VLA dão aos robôs um cérebro real.

Isto é...Um grande avanço para as empresas chinesas na área da inteligência.Não sei.

O robô tem um cérebro e vai funcionar.