Română

← Înapoi la listă

Open source robot creier: 22 punct de referință 16 primul, împotriva Gemini

itadol5j

Structura HY-Embodied

Intelling open-source creier robot: nou jucător inteligent

Zeng Tse Yuan a fost eliberat ieri. HY-Embodied-0,5Nu este un model de limbaj obişnuit -- este pentru roboţi.CreierNu ştiu. Şi...Sursă deschisă completăNu ştiu.

De data asta e foarte serios.

Două versiuni, două lovituri.

HY-Embodied-0.5 oferă două versiuni:

Versiune Parametrii Poziționare Performanță
MoT-2B 2B Activare / 4B Parametrii totali Implementarea marginală (roboți) 22 Test de bază, 16 modele colegi de strivire
32B Parametrii 32B Raţionament complex (cloud/server) Contrast Gemeni 3. 0 Pro

Puncte principale MoT-2B: Deși parametrul general este 4B, doar parametrii 2.2B sunt activați în raționament. Ceea ce înseamnă...Viteza unui model 2B cu capacitatea de a depăși 2BNu ştiu.

Patru tehnologii de bază

1. Arhitectura MOT (Mixture-of-Transformers)

VLM tradiţional (model de limbaj vizual) combină vizual şi limbaj. HY-Embodied utilizatArhitectură MoT, și realizează calculul specific al modului prin jetoane latente:

  • Cale vizualăModul de tratament vizual specializat
  • Calea limbiiModul specializat de procesare a textului
  • Raţionamentul sinergic: Raţionament comun în întreaga paradigmă

Efectele acestui fapt:Capacitatea senzorială vizuală s-a îmbunătăţit dramatic., menținând în același timp un ritm eficient de raționament.

2. Raţionamentul lanţului + distilarea evolutivă

Cum poate un mic model să aibă un mare model de raţionament? Răspunsul este...Distilare:

  • Modelele 32B învaţă raţionamente complexe pas cu pas, planificare, gândire
  • Prin distilarea politicilor,Mută la modelul 2B
  • Se pot face modele mici.Raționamentul privind lanțulPas cu pas.

3. Pregătirea prealabilă la scară largă

Dimensiunea datelor: peste 100 milioane Puncte de date fizice și spațiale, peste 200 de miliarde Jetoane.

Asta face modelele să înveţe:

  • Înțelegerea profundă a spațiului 3D
  • Abordarea interactivă a obiectelor fizice
  • Dinamica agentului

Nu sunt doar date text., datele specifice scenariilor robotice.

4. Cererea VLA (Vision-Language-Action)

HY-Embodied nu este doar un model pentru efectuarea testelor de referință, este conceput pentru a fiMotorul cognitiv central al unui robot fizic.:

  • O integrare fără probleme într-un cadru VLA
  • În timp ce creierul robot conduce sarcini complexe.
  • Rata mare de succes a roboţilor din lumea reală.

🎯 Baseline test: crushing peer

În 22 de teste de referință relevante din punct de vedere inteligent, MoT-2B este16 modele solvabile:

Indicator de referință HY-Embodied 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

Cea mai evidentă diferenţă este MindCube.:HY-Embodied 66.3 vs Qwen3-VL 28.4,2.3 Avantaje multipleNu ştiu.

De ce este important acest lucru?

Inteligent.Urme cheie pentru următorul deceniu.:

  • Model de limbă: a rezolvat problema de înţelegere şi generaţie
  • Model vizual: rezolvat problema "vezi"
  • Inteligent.: Rezolvați "înțelegere + a se vedea + acțiune" buclă închisă completă

Roboţii au nevoie de:

  1. PercepţieSpatiu 3D, pozitie obiect, schimbare de mediu
  2. Argumentele: planifica cursul de acțiune, prezice consecințele
  3. Punerea în aplicare: Controlul energiei electrice, funcționarea fizică

HY-Embodied rezolvatPrimele două întrebăriŞi îi dă robotului un creier adevărat.

Cum funcţionează?

Adresă sursă deschisă:

# 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

Cerințe privind echipamentele hardware:

  • GPU: cel puțin 16GB VRAM (recomandat NVIDIA GPU)
  • CPU: Sprijinit, dar lent
  • Depozitare: 20GB+ (model aproximativ 8GB)

Rezumat

Sursă deschisă de HY-Embodied-0.5, marcajDestul de inteligent pentru a intra în Epoca Deschisă:

  • Versiunea 2B strivire același nivel, potrivit pentru implementarea la marginea unui robot.
  • 32B versiune pereche Gemini 3.0Pro, potrivit pentru raționamentul cloud
  • Arhitectură MoT + raţionament în lanţ + formare de date 100M+
  • Aplicaţiile VLA oferă roboţilor un creier adevărat.

Asta e...O descoperire majoră pentru firmele chineze din domeniul informaţiilor.Nu ştiu.

Robotul are creier şi va funcţiona.