HY-Embodied-0.5：面向现实世界具身智能体的基础模型

本文推出 HY-Embodied-0.5，专为现实世界具身智能体设计的基础模型系列。该模型旨在弥合通用视觉语言模型与具身需求间的差距，增强时空视觉感知及高级具身推理（预测、交互与规划）能力。架构上采用混合 Transformer 以支持细粒度感知，并引入迭代式自进化后训练范式提升推理。通过策略蒸馏将大模型能力迁移至小模型。评估显示，其在多个基准测试中表现优异，并能有效驱动下游机器人控制任务。