Tencent은 언어 추론과 시각적 상상을 결합한 신체적 인지용 약 62억 파라미터 통합 멀티모달 파운데이션 모델인 Hy-Embodied-RxBrain-1.0을 출시했습니다.
- 이 모델은 이해와 이미지 합성이 하나의 자기회귀 아키텍처를 공유하는 Unified Mixture-of-Transformers (MoT) 백본을 사용합니다.
- 동결된 FLUX VAE 잠재 공간으로 디코딩되어 상상된 프레임을 생성하는 흐름 매칭 이미지 헤드를 특징으로 합니다.
- 주요 기능에는 신체적 이해, 세계 상태 예측, 텍스트 추론과 시각적 목표의 교차 생성을 통한 공동 하위 목표 계획이 포함됩니다.
이 접근 방식은 모델이 다음 작업과 도달해야 할 목표 이미지를 모두 출력하여 작업을 단계별로 분해할 수 있게 해줍니다.