概要
Hy-Embodied-RxBrain-1.0(RxBrain)は、Tencent Robotics X、福田実験室、Tencent Hyチームが開発した、身体性認知向けのマルチモーダル基盤モデルです。世界の理解、推論・計画、行動の結果予測を統合し、下流のロボット動作モデルに高水準の指針を与えることを目的としています。約62億パラメータ規模で、Hy-Embodied-VLM系列を基盤とし、50,177時間の操作データを事前学習に使用しています。(developer.cloud.tencent.cn)
主な能力と用途
- 身体性理解・推論:画像や複数フレームの動画を基に、場面、空間関係、タスク状態などについて質問応答や推論を行います。
- 世界状態の予測:現在の視覚観測と行動指示から、行動後の短期的な状態を複数フレームとして生成します。
- サブゴール計画:タスクを段階に分け、各段階の行動を表すテキストと到達目標を表す画像を交互に生成します。生成された目標画像は後続の計画にも利用されます。
- 用途:ロボットのタスク分解、目標条件付き方策への視覚目標の提供、進捗・失敗の判断や再計画の支援などが挙げられます。(huggingface.co)
制限・利用条件
- 基盤モデルの中心的な出力は推論、計画、予測画像です。実機の動作生成は、別途拡張した動作生成分岐を用いて検証されています。生成された予測や計画の正確性、安全な実行は保証されません。(developer.cloud.tencent.com)
- 技術報告では、モデル規模により複雑な推論、細かな視覚的想像、長期的な計画に限界があり得るとしています。(arxiv.org)
- 重み、推論コード、技術報告が公開されています。公式リポジトリはApache License 2.0を指定しています。ローカル実行の公式手順ではPython 3.10以上と、flash-attn用のCUDA対応GPUが必要です。(github.com)
公開日
2026年7月15日。指定された公式発表記事の掲載日は2026年7月17日です。(developer.cloud.tencent.cn)
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料金表を確認しましたが、このモデルに対応する人民元(CNY/RMB)または米ドル(USD)のAPI料金は確認できませんでした。入力・出力それぞれの課金単価と課金単位も未確認です。公開重みの自己運用に必要な計算資源などの費用は別途発生し得ます。(intl.cloud.tencent.com)