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。