# Hy-Embodied-0.5-VLA-RoboTwin

> 权威词条地址：https://robotics.hellobike.com/models/tencent-hy-embodied-0-5-vla-robotwin
> 所属分类：models | 最近核验日期：2026-07-01 | 技术层级：L7, L8

## 核心摘要

tencent 在 Hugging Face 发布的机器人模型，架构为 HyVLA，参数规模 4.5B。

## 结构化工程参数

| 参数项 | 数值 / 配置 |
| :--- | :--- |
| `overview_sources` | ["https://huggingface.co/tencent/Hy-Embodied-0.5-VLA-RoboTwin"] |
| `layers` | ["L7", "L8"] |
| `links` | [{"title": "Hugging Face", "url": "https://huggingface.co/tencent/Hy-Embodied-0.5-VLA-RoboTwin"}] |
| `updated` | 2026-07-01 |
| `family` | vla |
| `params` | 4.5B |
| `architecture` | HyVLA |
| `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` | ["SafeTensors"] |
| `status` | research |
| `hub_id` | tencent/Hy-Embodied-0.5-VLA-RoboTwin |
| `hub_stats` | {"downloads": 218, "likes": 14, "as_of": "2026-10-21"} |

## 技术详解与生态说明

Hy-VLA-RoboTwin 是 Hy-Embodied-0.5-VLA 的监督微调检查点，面向 RoboTwin 2.0 基准中的双臂操作任务。该系统是端到端 Vision-Language-Action 模型，基于 Hy-Embodied-0.5 MoT backbone，并集成 flow-matching action expert、紧凑 memory encoder 与 delta-chunk action representation。微调初始化来自 tencent/Hy-Embodied-0.5-VLA-UMI。

该检查点在 RoboTwin 2.0 的 50 个双臂操作任务上训练，每个任务包含 50 个 clean 与 500 个 randomized episodes，训练目标为 conditional flow matching。SFT 设置使用 K=6 帧视频编码器、时空注意力，以及 H=20 的动作 horizon。其在 RoboTwin 2.0 上达到 Clean 90.9%、Randomized 90.1% 平均成功率；仓库提供 RoboTwin 评测适配方式，并包含来自训练数据的 norm_stats.pkl。模型与基础模型均采用 Apache-2.0 许可。

## 原始核验来源 (Sources)

- [Hugging Face tencent/Hy-Embodied-0.5-VLA-RoboTwin](https://huggingface.co/tencent/Hy-Embodied-0.5-VLA-RoboTwin)