# hy_vla_umi

> 权威词条地址：https://robotics.hellobike.com/models/lerobot-hy-vla-umi
> 所属分类：models | 最近核验日期：2026-10-06 | 技术层级：L7, L8

## 核心摘要

lerobot 在 Hugging Face 发布的机器人模型，架构为 Transformer (tencent/Hy-Embodied-0.5-VLA-UMI)，参数规模 4.5B。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `layers` | ["L7", "L8"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/lerobot/hy_vla_umi"}] |
| `updated` | 2026-10-06 |
| `vendor` | hugging-face |
| `family` | vla |
| `params` | 4.5B |
| `architecture` | Transformer (tencent/Hy-Embodied-0.5-VLA-UMI) |
| `action_representation` | 连续关节位置/末端位姿动作空间 |
| `code_license` | apache-2.0 |
| `weights_license` | apache-2.0 |
| `data_formats` | ["LeRobot"] |
| `status` | research |
| `hub_id` | lerobot/hy_vla_umi |
| `hub_stats` | {"downloads": 55, "likes": 6, "as_of": "2026-10-21"} |
| `overview_sources` | ["https://huggingface.co/lerobot/hy_vla_umi"] |

## 技术详解与生态说明

这是 tencent/Hy-Embodied-0.5-VLA-UMI 的 LeRobot 转换版，标注为字节一致的张量转换，对应原模型修订 3f53d1f8d2bc587c523cfdc9f1041ceee42c2524。运行时使用已选定的 LeRobot task 字符串，不采样任务增强文本；norm_stats.pkl 保留用于溯源，归一化由安全序列化的 processor state 在运行时加载。

模型 token horizon、物理 action horizon 和每次采样执行动作数均为 50；使用 1 帧图像历史、间隔为 1，动作表示为 relative，Euler 推理步数为 10，填充后的 state/action 宽度为 32/32，1628 个张量为 identity mapping。验证包括严格加载、save_pretrained 后严格重载、batch size 1 和 2 的作者实现与 LeRobot 前向一致性，以及一次官方 BF16 前向/反向/SGD 步骤产生有限 loss 和梯度。

该策略仅支持已发布的 16D 双臂位姿/夹爪 embodiment。对于包含底盘语义的 12D mobile-manipulator 动作，因已发布的 20D 双臂表示无法表达，会直接拒绝，而不是静默截断或重新解释。

## 原始核验来源 (Sources)

- [Hugging Face lerobot/hy_vla_umi](https://huggingface.co/lerobot/hy_vla_umi)