6.3
深览指数
科技微博·机器之心Pro··AI 生成
腾讯发布两大具身智能基座模型，VLM＆RxBrain让机器人更懂现实世界
腾讯Robotics X实验室与混元团队联合发布了两款具身智能基座模型：Hy-Embodied-VLM-1.0和Hy-Embodied-RxBrain-1.0。VLM模型以1/10的计算量达到上一代旗舰模型性能，在37项评测中综合得分65.6。RxBrain模型则创新性地将文本推理与视觉想象统一建模，在联合具身规划任务中得分为0.68，真机测试平均成功率达87%，超越了π0.5等模型。文章详细披露了模型架构、训练数据规模（5万小时+具身数据、2.1亿条训练样本）及开源地址，是腾讯在具身智能领域的一次重要技术发布。适合关注机器人、AI前沿技术的研究者或技术决策者阅读。原文 ↗
核心观点
- ▍腾讯发布的两款具身智能基座模型，通过分层能力体系和统一推理-想象框架，为具身Agent提供了从场景理解到动作执行的完整认知链路，并在真机测试中验证了有效性。
- 01Hy-Embodied-VLM-1.0基于A3B规模模型，在37个评测任务上以1/10的计算量达到上一代A32B旗舰模型可比效果，综合平均得分65.6。
- 02RxBrain-1.0在统一模型中实现文本推理与视觉目标生成的协同，在联合具身规划任务中得分为0.68，显著高于Cosmos3-Nano Agent的0.521和Qwen-Agent的0.431。
- 03RxBrain-1.0使用超过5万小时高质量具身数据训练，其中真实机器人数据17,292小时，并构建了约2.1亿条训练样本覆盖四种粒度。
- 04真机测试中，在DOBOT X-Trainer和方舟无限A5机械臂上，模型在摆放餐具、折叠收纳眼镜、丢垃圾三个任务中平均成功率达87%，高于π0的68%和π0.5的82%。
- 05RxBrain-1.0在短时未来视频生成任务上得分为0.62，接近专用世界模型Cosmos3-Nano的0.591，同时保持了对文本推理和空间理解能力的兼顾。
反方 / 局限
- — RxBrain在目标图像正确性上得分仅为0.52，且随着自由滚动步数增加，综合得分从两步规划的0.69下降到八步时的0.55，视觉想象仍是当前主要性能瓶颈，长程误差累积问题突出。
- — 文章本身是技术发布稿，缺乏对模型局限性的深入讨论，也未提及与DeepSeek、智谱等国内竞品在具身智能领域的直接对比。
腾讯Robotics X实验室福田实验室腾讯混元Hy-Embodied-VLM-1.0Hy-Embodied-RxBrain-1.0Cosmos3-NanoQwen3.6-A3BBAGEL-7B-MoTπ0.5DOBOT X-Trainer方舟无限A5RxBrain-BenchCV-BenchGenEval
11 分钟 · 5 卡片 · 14 资料
读原文 →