أطلقت Tencent Robotics X ومختبر فوتيان وتينسينت هونيوان التقرير الفني، وكود الاستدلال، والأوزان لنموذج Hy-Embodied-RxBrain-1.0، وهو نموذج أساس متعدد الوسائط موحد بحجم ~6.2 مليار معلمة للإدراك المجسّم.
يربط النموذج بين الاستدلال اللغوي والتخيل البصري من خلال التوليد الذاتي المرجعي المتداخل (interleaved autoregressive generation)، بالتناوب بين النص والإطارات المتخيلة المطابقة للتدفق (flow-matched) ضمن تسلسل واحد. تشمل المكونات المعمارية الرئيسية العمود الفقري Unified Mixture-of-Transformers مع مسارات خاصة بالوسيط، ورأس صورة مطابقة التدفق (Flow-Matching Image Head) الذي يفك التشفير إلى فضاء ضمني لـ FLUX VAE متجمّد.
يقدّم RxBrain ثلاث قدرات أساسية: الفهم والاستدلال المجسّم للصور والفيديو، وتوقع حالة العالم لتخيل الإطارات القريبة من المستقبل، والتخطيط المشترك للأهداف الفرعية الذي يجزّئ المهام إلى خطوات باستخدام إجراءات لغوية وصور أهداف.