橙子AI科技 Logo 橙子AI科技 需求咨询
菜单
数据集

Hy-Embodied-0.5-VLA-Data

tencent/Hy-Embodied-0.5-VLA-Data

查看上游原文 ↗
上游访问：公开 本站服务：可咨询 内容检查：AI 辅助整理并检查 许可证：cc-by-4.0 上游版本：80cb414b2418

中文简介

tencent/Hy-Embodied-0.5-VLA-Data 是 tencent 在 Hugging Face 发布的数据集仓库，当前卡片主要关联机器人任务、强化学习。本站固定记录上游版本 80cb414b2418，同步到 4778 个文件，文件元数据合计 18.85 TB；访问状态为“公开”，许可证字段为“cc-by-4.0”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 tencent/Hy-Embodied-0.5-VLA-Data 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息，完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
tencent/Hy-Embodied-0.5-VLA-Data 是 tencent 在 Hugging Face 发布的数据集仓库，当前卡片主要关联机器人任务、强化学习。本站固定记录上游版本 80cb414b2418，同步到 4778 个文件，文件元数据合计 18.85 TB；访问状态为“公开”，许可证字段为“cc-by-4.0”。

【适用方向】
适合评估具身智能、机器人学习、自动驾驶或强化学习研究流程。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分，避免只依据仓库名称判断数据质量。

【版本与规格】
固定版本：80cb414b2418。 任务标签：机器人任务、强化学习。 数据集卡名称：Hy-Embodied-0.5-VLA-Data。 规模分类：1M<n<10M。 上游页面记录的最近更新时间：2026-07-01。

【文件信息】
上游 API 返回 4778 个文件，文件元数据合计 18.85 TB。 已保存文件清单中的主要扩展名：.lance 88 个、.json 3 个、.manifest 2 个、.parquet 2 个、.txn 2 个、无扩展名 2 个。 当前较大的文件包括：table_000/table_000.lance/data/001000000100011001101010a0e85c4f839d1a30ef7a0850a6.lance（4.67 GB）；table_000/table_000.lance/data/01101101100101010010101161237445f48739432df839bbaf.lance（4.56 GB）；table_000/table_000.lance/data/001111011100001101100111777b5d45e5832f587be8bb9ea4.lance（4.55 GB）。 仓库文件较多，本站仅保存前 100 条文件元数据；完整清单请查看上游仓库。

【运行或处理环境】
仓库文件元数据合计 18.85 TB。仅按下载、解压和临时文件估算，建议至少预留约 22.62 TB 可用磁盘；实际需求还取决于压缩率、缓存、数据转换和训练副本，正式处理前应以完整文件清单重新测算。

【使用边界】
许可证显示为“cc-by-4.0”，具体用途限制、附加政策和归属要求仍以上游原文为准。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-26 00:51

Hy-Embodied-0.5-VLA From Vision-Language-Action Models to a Real-World Robot Learning Stack Tencent Robotics X × Tencent Hy Team 📖 Abstract We introduce **Hy-Embodied-0.5-VLA (Hy-VLA)** — an end-to-end Vision-Language-Action system that spans the full robot learning stack: data collection, model design, pre-training, supervised fine-tuning, RL post-training, and real-world deployment. Built on the Hy-Embodied-0.5 MoT backbone, Hy-VLA integrates a flow-matching action expert, a compact memory encoder for multi-frame history, and a delta-chunk action representation decoupled from embodiment-specific kinematics. Powered by **10,000+ hours** of high-fidelity UMI demonstrations collected via a custom fingertip interface with optical motion-capture, Hy-VLA achieves state-of-the-art results on the RoboTwin 2.0 benchmark (**90.9% / 90.1%** on Clean / Randomized) and demonstrates robust cross-embodiment transfer across four real-world robot platforms. Paired with FlowPRO preference optimization and an asynchronous inference framework, Hy-VLA establishes a scalable paradigm for continuous dexterous manipulation. Overview Hy-Embodied-0.5-VLA-Data is a large-scale bimanual manipulation dataset for training Vision-Language-Action (VLA) foundation models. Powered by **2000+ hours** of high-fidelity demonstrations collected via a custom fingertip UMI device with optical motion-capture, it spans 70+ manipulation tasks. The dataset is released in **Lance** format compatible with LeRobot v3.0. **Note**: The open-source release contains approximately **20%** of the full corpus. Dataset Statistics | Property | Value | |---|---| | Total Episodes | 250,304 | | Total Frames | 233,600,314 | | Total Duration | 2,163 hours | | Total Size | ~18.8 TB (22 tables) | | Frequency | 30 Hz | | Cameras | 3 views (head + left wrist + right wrist) | | Resolution | 240 × 424 px per camera | | Format | Lance (LeRobot v3.0 schema) | | Tables | 22 (table_000 ~ table_021, ~100h each) | Directory Structure E

公开页仅展示原文摘录；完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合评估具身智能、机器人学习、自动驾驶或强化学习研究流程。 正式使用前应先抽样检查字段、语言、重复项、敏感信息和训练/测试划分，避免只依据仓库名称判断数据质量。

规模与格式

固定版本：80cb414b2418。 任务标签：机器人任务、强化学习。 数据集卡名称：Hy-Embodied-0.5-VLA-Data。 规模分类：1M<n<10M。 上游页面记录的最近更新时间：2026-07-01。

文件说明

上游 API 返回 4778 个文件，文件元数据合计 18.85 TB。 已保存文件清单中的主要扩展名：.lance 88 个、.json 3 个、.manifest 2 个、.parquet 2 个、.txn 2 个、无扩展名 2 个。 当前较大的文件包括：table_000/table_000.lance/data/001000000100011001101010a0e85c4f839d1a30ef7a0850a6.lance（4.67 GB）；table_000/table_000.lance/data/01101101100101010010101161237445f48739432df839bbaf.lance（4.56 GB）；table_000/table_000.lance/data/001111011100001101100111777b5d45e5832f587be8bb9ea4.lance（4.55 GB）。 仓库文件较多，本站仅保存前 100 条文件元数据；完整清单请查看上游仓库。

上游文件元数据

以下仅为 Hugging Face 官方 API 返回的文件名与大小元数据，官网没有下载或托管这些文件。

  • .gitattributes561.63 KB
  • LICENSE16.63 KB
  • README.md7.22 KB
  • table_000/__manifest/_transactions/0-74bbb0f2-8aa7-4edc-94b1-19a68463ed04.txn309 B
  • table_000/__manifest/_versions/18446744073709551614.manifest693 B
  • table_000/meta/episodes/chunk-000/file-000.parquet245.61 KB
  • table_000/meta/info.json1.05 KB
  • table_000/meta/stats.json1.51 KB
  • table_000/meta/tasks.parquet16.44 KB
  • table_000/table_000.lance/_transactions/212-81997baa-8137-43ed-84f1-e26c250073bb.txn144 B
  • table_000/table_000.lance/_versions/18446744073709551402.manifest22.03 KB
  • table_000/table_000.lance/_versions/latest_version_hint.json15 B

文件较多，本页只展示前 12 项；完整信息以上游仓库为准。

硬件建议

仓库文件元数据合计 18.85 TB。仅按下载、解压和临时文件估算，建议至少预留约 22.62 TB 可用磁盘；实际需求还取决于压缩率、缓存、数据转换和训练副本，正式处理前应以完整文件清单重新测算。

注意事项

许可证显示为“cc-by-4.0”，具体用途限制、附加政策和归属要求仍以上游原文为准。 数据集还需核对样本来源、隐私与个人信息、标签质量、地域偏差及下游模型的合规要求。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件，并在合法访问权限、许可证及平台规则允许的前提下，协助海内外下载、完整性校验及网盘或硬盘交付；本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明，不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。