模型定位
Hy-Embodied-0.5-VLA-UMI 是腾讯 Hy-Embodied-0.5-VLA 具身智能系统的 UMI 预训练权重,面向机器人视觉—语言—动作(VLA)学习,作为适配目标机器人和任务时进一步微调的通用起点。它不是同系列针对 RoboTwin 2.0 任务后训练的 RoboTwin 权重。(huggingface.co)
能力与用途
- 结合视觉观测、自然语言任务指令和机器人状态,生成连续机器人动作块,可用于机器人操作策略研究、仿真评测和真实机器人任务适配。
- 基于 Hy-Embodied-0.5 MoT 主干,配备约 3.7 亿参数的流匹配动作专家;动作使用相对于首帧的末端执行器位姿增量表示。官方模型卡所列动作时域为 50 步、10 Hz。
- 预训练使用超过 10,000 小时的 UMI 示教语料,约涵盖 100 万条轨迹和 70 多项任务。官方发布的数据集为其中超过 2,000 小时,并非声称公开了全部预训练语料。(huggingface.co)
限制与部署
- UMI 权重主要设计用于下游微调;部署到具体机器人时,需要结合目标本体、观测、动作坐标和任务进行适配与验证,不应假定未经适配即可安全控制任意机器人。
- 预训练采用单帧模式;多帧记忆编码器在监督微调时启用。面对统计分布明显不同的新数据集,可重新计算归一化统计量。
- 官方公布的 RoboTwin 和真实机器人结果属于 Hy-VLA 系统及相应训练、部署流程的结果,不能直接视为原始 UMI 预训练权重在所有任务上的零样本表现。实际使用机器人时应设置安全边界并进行现场验证。(huggingface.co)
发布与许可
官方仓库记载,代码、UMI 权重、RoboTwin 权重及数据集于 2026-06-15 发布。UMI 模型权重采用 Apache License 2.0;使用时仍应分别核查代码和数据的适用许可。(github.com)
价格
截至 2026-11-16,检索腾讯云国内及国际官方模型价格页面,未核实到该 UMI 模型专属的人民币或美元 API 报价,输入和输出计费方式及金额均未核实。开源权重自行部署可能产生计算、存储等成本;不能据此推断托管 API 免费。所查页面:国内 腾讯云 TokenHub 模型价格;国际 Tencent Cloud TokenHub Model pricing。(cloud.tencent.com)