Мозг робота с открытым исходным кодом: 22 бенчмарка 16 в первую очередь против Gemini
Интеллектуальный мозг робота с открытым исходным кодом: новый умный игрок
Цзэн Цзэ Юань был освобожден вчера. Внешность-0,5Это не обычная модель большого языка - это для роботов.мозгЯ не знаю. И...Полный Open SourceЯ не знаю.
На этот раз это действительно серьезно.
Две версии, два штриха.
HY-Embodied-0.5 имеет две версии:
| Версия | Параметры | позиционирование | Выступление |
|---|---|---|---|
| Мотор-2В | 2B Активация / 4B Общие параметры | Маргинальное развертывание (роботы) | 22 Базовый тест, 16 дробление одноранговых моделей |
| 32B | 32B Параметры | Сложные рассуждения (облако/сервер) | Контрастный Gemini 3.0 Pro |
MoT-2B - основные моментыНесмотря на то, что общий параметр равен 4В, в рассуждении активируются только 2,2В параметры. Что означает...Скорость 2В модели с возможностью превышения 2ВЯ не знаю.
Четыре основные технологии
1. архитектура MoT (Mixture-of-Transformers)
Традиционный VLM (визуальная языковая модель) сочетает в себе визуальный и языковой. HY-воплощенный используетсяАрхитектура MoT, и достигает конкретного вычисления модуля латентными токенами:
- Визуальный путьСпециальный модуль визуальной обработки
- Языковой путьСпециализированный модуль обработки текста
- Синергетические рассужденияСовместные рассуждения через парадигму
Последствия этого:Визуальная сенсорная способность значительно улучшилась.При сохранении эффективного темпа рассуждений.
2. Цепное рассуждение + эволютивная дистилляция
Как маленькая модель может иметь большую модель рассуждения? Ответ - это...дистилляция:
- 32B модели изучают сложные пошаговые рассуждения, планирование, мышление
- посредством дистилляции на уровне политики,Переход на модель 2B
- Можно создавать небольшие модели.Цепной аргументШаг за шагом.
3. Крупномасштабная предварительная подготовка
Размер данных: Over 100 миллионов Физические и пространственные данные, более 200 миллиардов Токены.
Вот что заставляет модели учиться:
- 3D Космическое глубокое понимание
- Интерактивный подход физических объектов
- Динамика агента
Это не просто текстовые данные.Данные специально для роботизированных сценариев.
4. Применение VLA (Vision-Language-Action)
HY-Embodied - это не просто модель для проведения тестовых тестов, она разработана для того, чтобыЯдро когнитивного двигателя физического робота.:
- Бесшовная интеграция в структуру VLA
- Как мозг робота управляет сложными задачами.
- Высокий уровень успеха реальных роботов.
Базовый тест: дробление сверстника
В 22 тестах, связанных с интеллектуальными технологиями, MoT-2B16 измельченных одноранговых моделей:
| бенчмарк | Влюбленный | Qwen3-VL 2B | RoboBrain 4B |
|---|---|---|---|
| CV-Bench | 89.2 | 80.0 | 86.9 |
| DA-2K | 92.3 | 69.5 | 79.4 |
| Пространственная сетка | 82.8 | 75.9 | 73.8 |
| MindCube | 66.3 | 28.4 | 26.9 |
Наиболее очевидным отличием является MindCube.:HY-Embodied 66.3 против Qwen3-VL 28.4,2.3 Многократные преимуществаЯ не знаю.
Почему это важно?
Умно.Ключевой трек на следующее десятилетие.:
- Языковая модельРешена проблема «понимания» и «поколения»
- Визуальная модельРешил проблему «Видеть»
- Умно.Решите «понимание + см. + действие» полный замкнутый цикл
Роботы нуждаются в:
- Восприятие3D пространство, положение объекта, изменение окружающей среды
- аргументыПланировать ход действий, предсказывать последствия
- Осуществление: Управление электроэнергией, физическая работа
HY-Embodied решеноПервые два вопросаИ это дает роботу настоящий мозг.
Как это работает?
Открытый исходный адрес:
- GitHub:https://github.com/Tencent-Hunyuan/HY-Embodied
- Обнимающее лицо: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
Требования к оборудованию:
- GPU: не менее 16 ГБ VRAM (рекомендуется NVIDIA GPU)
- CPU: поддерживается, но медленно
- Хранение: 20 ГБ + (модель около 8 ГБ)
Резюме
Открытый источник HY-Embodied-0.5, маркировкаДостаточно умный, чтобы вступить в открытый век:
- 2В-версия дробления такого же уровня, подходящая для развертывания на краю робота.
- 32B-версия спаривания Gemini 3.0Pro, подходящая для облачных рассуждений
- Архитектура MoT + цепная аргументация + 100M + обучение данным
- Приложения VLA дают роботам настоящий мозг.
Это...Крупный прорыв для китайских фирм в области разведки.Я не знаю.
У робота есть мозг, и он будет работать.