HyVLA-0.5
텐센트(Robotics X)🇨🇳 중국HY Embodied 계열
행동 생성 (VLA)발표일 2026.06가중치 공개 · Apache-2.0
텐센트 Robotics X의 양팔 조작용 행동 생성 (VLA) 모델로, 서브밀리미터 정밀 UMI 시연 1만 시간 이상으로 사전학습하고 실로봇 강화학습(RL) 사후학습을 더해 원격조작 의존을 줄였어요. 2026년 6월 코드·가중치(Apache-2.0)와 함께 UMI 데이터 2,000시간 이상을 공개했어요.
- 파라미터
- 4.5추정
- 제어 빈도
- 10공식
- 적용 로봇
- —
- 벤치마크 결과
- —
B (10억 개)
Hz · 행동 출력 빈도
윙치키에 연결된 로봇
수록된 점수
공식 자료프로젝트 페이지 tairos.tencent.com논문 arxiv.org코드 저장소 github.com가중치 huggingface.co
한눈에 읽기
무엇인가
- 행동 생성 (VLA) — Vision-Language-Action. 영상과 지시를 받아 로봇의 팔·손 동작으로 바꾸는 AI.
- 발표일 2026-06
- 가중치 공개 (Apache-2.0) — 내려받아 직접 실행·추가 학습할 수 있음
확인된 정보
- 사양 9개 항목 중 8개에 값이 있음
- 공식 공식 7개: 구조, 입력, 제어 빈도 (Hz), 학습용 데이터셋, 학습용 데이터셋 규모(시간), 적용 로봇 형태 외 1개
- 값 확인일 2026-06 · 값마다 출처는 아래 '구조와 학습' 표
확인이 필요한 정보
- 추정 값: 파라미터 (B)
- 수록된 로봇과의 연결 기록 없음 — 쓰이지 않는다는 뜻이 아니라 공개 자료에서 찾지 못했다는 뜻이에요
어떤 모델인가
HyVLA-0.5(정식 명칭 Hy-Embodied-0.5-VLA)는 텐센트 Robotics X와 훈위안 팀이 2026년 6월 15일 공개한 로봇 조작용 행동 생성 (VLA) 모델이며, 푸톈실험실도 공동 발표에 참여했다고 보도됐다. 이해·계획 모델 HY-Embodied-0.5의 MoT 백본에 약 3.7억 파라미터의 flow matching 액션 전문가를 붙인 약 5B 모델이다. 머리·양손 카메라 3개 영상, 양팔 말단 상태, 언어 지시를 받아 10Hz 50스텝 액션 청크를 내놓고, 로봇 기구학과 분리된 상대 말단(rel-EE) 표현 덕분에 여러 기체에 옮겨 쓸 수 있다.
학습용 데이터셋은 SLAM 대신 모션캡처로 추적해 서브밀리미터 정밀도를 낸 UMI 장비로 모은 1만 시간 이상(약 100만 에피소드, 70여 작업)의 사람 시연이며, 사전학습과 지도 미세조정 뒤 실로봇 강화학습 기법 FlowPRO로 후학습했다. 텐센트는 RoboTwin 2.0에서 Clean 90.9%, Randomized 90.1%로 π0.5 등을 앞섰고 화장품 생산 라인에서 개당 약 6초, 정확도 95% 이상을 냈다고 발표했으며, 코드와 UMI 학습 가중치(Apache-2.0), 2,000시간 이상의 UMI 데이터를 공개했다.
회사 공식 페이지와 논문을 바탕으로 정리했어요. 성공률·최초 같은 표현은 회사 발표예요.
구조와 학습
| 구조 | Hy-Embodied-0.5 MoT(Mixture-of-Transformers) 이해·계획 (VLM) 백본 + 370M 듀얼 타워 플로우 매칭 액션 전문가 + 다중 프레임 압축 메모리 인코더공식 |
|---|---|
| 입력 | 3시점 카메라(머리·좌우 손목), 양팔 말단 상태, 언어 지시공식 |
| 파라미터 (B) | 4.5추정 |
| 제어 빈도 (Hz) | 10공식 |
| 학습용 데이터셋 | Hy-UMI-10K: 광학 모션캡처로 추적한 손끝 UMI 양팔 시연 1만+ 시간(70+ 작업, 약 100만 에피소드)으로 사전학습 + RoboTwin SFT·실로봇 강화학습(RL) 사후학습(FlowPRO). 이 중 2,000+ 시간(Hy-Embodied-0.5-VLA-Data, CC-BY-4.0)을 2026-06-15 공개공식 |
| 학습용 데이터셋 규모(시간) | 10,000공식 |
| 적용 로봇 형태 | 실로봇 4종: Dobot X-Trainer(동일 형태 미세조정), JAKA K1·Astribot S1(UMI 데이터만으로 교차 형태 배치), Unitree G1(힘 조작 과제); 시뮬레이션은 RoboTwin 2.0 Aloha-AgileX 양팔공식 |
| 발표 벤치마크 | RoboTwin 2.0 성공률 90.9%(Clean) / 90.1%(Randomized)공식 |