Hy-Embodied-VLM-1.0：高效的物理世界智能体

本文提出 Hy-Embodied-VLM-1.0，一种专为物理世界具身智能体设计的高效基础模型。研究定义了包含状态理解、动作转换推理及序列自适应推理的行动中心能力分类法，并据此构建了系统的数据流水线。模型基于 Hy3-A3B 语言主干与 Hy-ViT2 视觉编码器，采用混合专家架构以平衡性能与效率。在 38 个基准测试中，该模型在 19 项上表现最佳，显著优于同类竞品，并在多轮交互与长程推理任务中展现出卓越的具身推理能力。