
依托 Hy-Embodied-VLM 基座开发的一个具身世界认知基座模型,对世界理解、推理规划、行动后果预测等统一建模。基于 5w+ 小时高质量具身数据训练,在一个模型中实现文本、图像、视频以及图文交错形式的统一理解与生成,将具身认知推理、行动规划和目标状态想象转化为更清晰、更稠密的多模态 Condition,为下游动作模型提供高层指导。在同尺寸模型中形成差异化领先能力,为具身 Agency 的上层认知决策和下游动作生成都提供了新的基础模型支撑。
依托 Hy-Embodied-VLM 基座开发的一个具身世界认知基座模型,对世界理解、推理规划、行动后果预测等统一建模。基于 5w+ 小时高质量具身数据训练,在一个模型中实现文本、图像、视频以及图文交错形式的统一理解与生成,将具身认知推理、行动规划和目标状态想象转化为更清晰、更稠密的多模态 Condition,为下游动作模型提供高层指导。在同尺寸模型中形成差异化领先能力,为具身 Agency 的上层认知决策和下游动作生成都提供了新的基础模型支撑。

HyVLA-0.5 是腾讯推出的具身智能操作模型,基于超过 10000 小时高精度操作数据训练,实现了视觉、语言与动作的统一建模,可理解自然语言指令并直接生成机器人动作,支持跨本体部署至越疆 X-Trainer、节卡、宇树 G1、星尘智能 S1 及智元精灵 G1、G2 等机器人平台。模型已在真实工业场景化妆品柔性产线完成验证,在保持 6 秒/件节拍下,准确率超过 95%,为具身智能迈向通用化、规模化应用提供了新的技术路径。
HyVLA-0.5 是腾讯推出的具身智能操作模型,基于超过 10000 小时高精度操作数据训练,实现了视觉、语言与动作的统一建模,可理解自然语言指令并直接生成机器人动作,支持跨本体部署至越疆 X-Trainer、节卡、宇树 G1、星尘智能 S1 及智元精灵 G1、G2 等机器人平台。模型已在真实工业场景化妆品柔性产线完成验证,在保持 6 秒/件节拍下,准确率超过 95%,为具身智能迈向通用化、规模化应用提供了新的技术路径。

从“看懂”到“干活”,围绕具身落地中的关键问题,引入自采机器人第一视角操作数据及机械臂操作数据,针对精细操作理解、空间推理、动作预测、风险判断、多模态指代理解,长程规划等核心任务进行了专项训练优化。
从“看懂”到“干活”,围绕具身落地中的关键问题,引入自采机器人第一视角操作数据及机械臂操作数据,针对精细操作理解、空间推理、动作预测、风险判断、多模态指代理解,长程规划等核心任务进行了专项训练优化。