Tencent Robotics X, Futian Laboratory, Tencent Hunyuan은 구현된 인지(embodied cognition)를 위한 ~6.2B 파라미터 통합 멀티모달 파운데이션 모델인 Hy-Embodied-RxBrain-1.0의 기술 보고서, 추론 코드 및 가중치를 출시했습니다.
이 모델은 교차 자기회귀 생성(interleaved autoregressive generation)을 통해 언어 추론과 시각적 상상력을 결합하며, 단일 시퀀스 내에서 텍스트와 흐름 매칭된(flow-matched) 상상 프레임을 번갈아 생성합니다. 주요 아키텍처 구성 요소에는 모달리티별 경로(modality-specific pathways)가 있는 Unified Mixture-of-Transformers 백본과 동결된 FLUX VAE 잠재 공간(frozen FLUX VAE latent space)으로 디코딩하는 Flow-Matching Image Head가 포함됩니다.
RxBrain은 세 가지 핵심 기능을 제공합니다: 이미지 및 비디오에 대한 구현 이해 및 추론, 가까운 미래 프레임을 상상하기 위한 세계 상태 예측(world state prediction), 그리고 언어 액션과 목표 이미지를 모두 사용하여 작업을 단계로 분해하는 결합 하위 목표 계획(joint subgoal planning).