← すべてのモデル

Hy-Embodied-0.5-VLA-RoboTwin

公開日 提供元 Tencent

概要

Tencent Robotics XとTencent Hy Teamによる、ロボット操作向けの視覚・言語・行動(VLA)モデル。Hy-Embodied-0.5-VLA-UMIを基に、RoboTwin 2.0の双腕操作50タスクで教師ありファインチューニングしたチェックポイントです。モデルカードには約50億パラメータと記載されています。(huggingface.co)

能力・用途

  • 画像、ロボットの状態、自然言語のタスク指示を受け取り、連続したロボット動作を生成します。履歴を含む6フレームの映像情報を利用します。(huggingface.co)
  • 主な用途は、RoboTwin 2.0における双腕操作の研究、評価、追加学習です。公式評価では、50タスクそれぞれ100回の試行における平均成功率はClean条件で90.9%、Randomized条件で90.1%でした。(github.com)

制限・利用条件

  • 上記の成功率はシミュレーション評価の結果であり、実機や未知の環境で同等の性能を保証するものではありません。別のロボットに適用する場合は、追加学習や正規化統計の再生成を検討する必要があります。(huggingface.co)
  • 公式リポジトリはLinux、Python 3.12、CUDA 12.x、PyTorch 2.4以上を推奨し、CUDA対応NVIDIA GPUには16 GB以上のVRAMを推奨しています。モデルはApache-2.0ライセンスで公開されています。(github.com)

公開日

2026年6月15日。公式リポジトリの更新履歴に、本チェックポイントを含む公開が記載されています。(github.com)

価格

2026年11月16日にTencent Cloudの中国国内向けおよび国際向け公式価格表を確認しましたが、このモデルに対応する公式API価格は確認できませんでした。入力・出力それぞれの課金額、課金単位、CNYおよびUSDの価格は未確認です。公開重みを自ら運用する場合の計算資源等の費用は別途必要です。(intl.cloud.tencent.com)

公式情報源