← 全部模型

Hy-Embodied-0.5-VLA-RoboTwin

发布时间 发布主体 Tencent

模型定位

Hy-Embodied-0.5-VLA-RoboTwin 是腾讯 Robotics X 与混元团队发布的视觉—语言—动作(VLA)模型检查点。它以 Hy-Embodied-0.5-VLA 为基础,在 RoboTwin 2.0 的 50 项双臂操作任务上进行了监督微调,主要面向机器人操作研究和仿真评测。(huggingface.co)

能力与用途

  • 结合视觉观测、自然语言指令和历史帧,生成连续机器人动作块;架构使用视觉语言模型、流匹配动作专家及多帧记忆编码器。该检查点使用当前帧及 5 帧历史信息。(huggingface.co)
  • 可用于 RoboTwin 2.0 双臂操作任务评测,以及机器人策略训练、适配和研究。官方报告在 50 项任务、每项 100 次运行的评测中,Clean 和 Randomized 设置的平均成功率分别为 90.9% 和 90.1%;这些数字只代表该评测条件下的结果。(github.com)
  • Hy-VLA 系统使用超过 10,000 小时的 UMI 示范数据进行预训练,其中公开数据超过 2,000 小时;RoboTwin 版本是在通用 UMI 检查点基础上进一步微调得到的。(github.com)

限制与部署

  • RoboTwin 检查点针对仿真基准训练,基准成绩不能保证在不同机器人、环境或真实场景中的表现;实际部署需要针对目标平台验证和适配。
  • 官方提供权重和代码供自行部署,仓库建议使用支持 CUDA 的 NVIDIA GPU,并推荐至少 16 GB 显存。使用时应核对项目及模型文件中的 Apache-2.0 许可条款。(github.com)

价格

截至 2026-11-16,检索腾讯云国内站和国际站后,未核实到专门适用于本 RoboTwin 检查点的官方人民币或美元 API 报价,输入及输出计费均未核实。其他混元模型的价格不能视为本模型价格。自行部署可能产生硬件和运维费用。国内官方计费页面;国际官方计费页面。(cloud.tencent.com)

发布日期与官方来源