ไทย

← กลับไปที่รายการ

สมองของหุ่นยนต์โอเพนซอร์ส: 22 ม้านั่ง 16 ก่อน, สู้กับจีมีนี

itadol5j

โครงสร้างตัว HY

○ สมองหุ่นยนต์โอเพนซอร์ส (Open-source): นักเล่นรุ่นใหม่

เซง หยวน ถูกปล่อยตัวเมื่อวานนี้ HY-Emher-0.5.มันไม่ใช่โมเดลภาษาธรรมดา -- สําหรับหุ่นยนต์สมองฉันไม่รู้ และ...เปิดแหล่งฉันไม่รู้

ครั้งนี้มันร้ายแรงจริงๆ

สองเวอร์ชัน สองจังหวะ

HY-Emher-0.5 ให้ 2 รุ่น:

รุ่น พารามิเตอร์ ตําแหน่ง ประสิทธิภาพ
แบบ MOT-2B พารามิเตอร์ทั้งหมด 2B การใช้ขอบ (หุ่นยนต์) 22 การ ทดสอบ พื้น ฐาน, 16 รุ่น รุ่น ต่อ ๆ กัน ที่ แหลก สลาย
32B 32B พารามิเตอร์ การให้เหตุผลแบบ Complex (Short/server) ความเปรียบต่างของ JMEN 3. 0 Pro

จุดเน้นของ MoT-2B▪ แม้ว่าพารามิเตอร์โดยรวมจะเป็น 4B แต่ตัวแปรเพียง 2.2B เท่านั้น ที่ถูกกระตุ้นในการให้เหตุผล ซึ่งหมายความว่า...ความเร็วของโมเดล 2B ด้วยความสามารถในการมากกว่า 2Bฉันไม่รู้

สี่เทคโนโลยีหลัก

1. โมที (สถาปัตยกรรมแบบผสม)

VLM แบบดั้งเดิม (รุ่นที่มองเห็น) รวมภาพและภาษาเข้าด้วยกัน ใช้ HY-Emoursสถาปัตยกรรม MoTและประสบความสําเร็จในการคํานวณของโมดูลัส โดยเครื่องหมายสาย:

  • พาธของภาพมอดูลรักษาด้วยภาพพิเศษ
  • พาธภาษามอดูลประมวลผลข้อความพิเศษ
  • การ หา เหตุ ผล เชิง เปรียบ เทียบ▪ การ หา เหตุ ผล ร่วม กัน ระหว่าง แบบ จําลอง

ผลกระทบของสิ่งนี้ความ สามารถ ใน การ มอง เห็น ได้ ดี ขึ้น อย่าง น่า ทึ่ง.ในขณะที่รักษาความเร็วของเหตุผล

2. การให้เหตุผลเชิงอนิจกรรม + การกลั่นกรองแบบอัตโนมัติ

แบบ จําลอง เล็ก ๆ จะ มี การ หา เหตุ ผล แบบ ใหญ่ โต ได้ อย่าง ไร? คําตอบคือ...การหยุดการทํางาน.

  • 32B รุ่นเรียนรู้การให้เหตุผลทีละขั้นซับซ้อน วางแผน และคิด
  • ผ่านการกลั่นแบบออนโพลิสย้ายไปยังรุ่น 2B
  • นางแบบขนาดเล็กสามารถทําการ หา เหตุ ผล แบบ ไม่ ยั้ง คิดทีละขั้น

3. การฝึกระดับใหญ่ก่อนฝึก

ขนาดข้อมูล: over 100 ล้าน ข้อมูลทางกายภาพและพื้นที่มากกว่า 200 พันล้าน หมึก

นั่นคือสิ่งที่ทําให้โมเดลเรียนรู้

  • ความลึก 3 มิติ
  • ปฏิสัมพันธ์กับวัตถุ
  • ความผันผวนของเจ้าหน้าที่

มันไม่ใช่แค่ข้อมูลข้อความข้อมูลเฉพาะสําหรับหุ่นยนต์

4. VLA (Vision-Language- Action) application

HY-Embody ไม่ได้เป็นเพียงต้นแบบสําหรับการทดสอบม้านั่ง, มันออกแบบให้กลไกการรับรู้หลักของหุ่นยนต์ทางกายภาพ.

  • การ ประสาน งาน แบบ ไม่ มี การ ควบคุม เข้า กับ โครง สร้าง แบบ วี แอล เอ
  • ขณะที่สมองหุ่นยนต์ขับเคลื่อนงานที่ซับซ้อน
  • อัตราการประสบความสําเร็จสูงของหุ่นยนต์จริง

○ การ ทดสอบ ขั้น ต้น: การ บดขยี้ เพื่อน

ในการทดสอบการใช้ม้านั่งแบบฉลาด 22 แบบ MoT-2B คือ16 แบบ จําลอง ที่ ถูก บดขยี้.

ย่อ/ ขยาย ตัว Hy-Emour QWind3-VL 2B RoboBrain 4B
ขนาด CV 89.2 80.0 86.9
ขนาด DA-2K 92.3 69.5 79.4
เพิ่มระยะเวลา... 82.8 75.9 73.8
เจคอบ 66.3 28.4 26.9

ความแตกต่างที่เห็นได้ชัดที่สุดคือ MindbrueHY-Emer 66.3 vs Qwen3-VL 28.4.2. 3 ข้อดีหลายประการฉันไม่รู้

ทําไม เรื่อง นี้ จึง สําคัญ?

ฉลาดมากAI ร่องรอยคีย์สําหรับทศวรรษถัดไป.

  • รุ่นภาษาแก้ปัญหาเรื่อง "ความเข้าใจ" และ "ยุคสมัย"
  • รุ่นของภาพแก้ปัญหา "เห็น"
  • ฉลาดมากResolive "เข้าใจ + เห็น + การกระทํา" ปิดวงจรทั้งหมด

หุ่นยนต์ต้องการ:

  1. การ สอนสเปซ 3 มิติ ตําแหน่งวัตถุ การเปลี่ยนแปลงสิ่งแวดล้อม
  2. อาร์กิวเมนต์วางแผนปฏิบัติการ ทํานายผลลัพธ์
  3. ความอิ่มตัวการ ควบคุม พลัง งาน ทาง กายภาพ

ลบทั้งเธรดสองคําถามแรกและมันให้สมองจริงกับหุ่นยนต์

มันทํางานอย่างไร?

เปิดที่อยู่ของแหล่ง:

# 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

ต้องการฮาร์ดแวร์.

  • GPU: อย่างน้อย 16GB VRAM (แนะนําให้ใช้ NVIDA GPU)
  • CPU: รองรับแต่ช้า
  • จัดเก็บข้อมูล: 20GB+ (รูปแบบประมาณ 8GB)

สรุป

เปิดแหล่งของ HY-Emcher-0.5, ทําเครื่องหมายฉลาดพอที่จะเข้าสู่ยุคเปิด.

  • 2B รุ่นบดในระดับเดียวกัน เหมาะสมสําหรับการนําไปใช้ที่ขอบของหุ่นยนต์
  • 32B รุ่นคู่ เจมินี 3.0 พรอพ เหมาะสมสําหรับการให้เหตุผลเมฆ
  • สถาปัตยกรรมโมที + เหตุผลลูกโซ่ + 100M+ การฝึกข้อมูล
  • โปรแกรม VLA ให้สมองจริงกับหุ่นยนต์

นี่มัน...การค้นพบที่สําคัญของ บริษัท จีนในพื้นที่ของสติปัญญาฉันไม่รู้

หุ่นยนต์มีสมอง และมันจะได้ผล