# 校招 & 社招｜腾讯 Robotics X 具身智能团队热招中！ **三大具身智能基座模型正式开源｜面向真实物理世界的机器人技术前沿阵地** > 腾讯 TEG - Robotics X 实验室 × 福田实验室 × 混元团队 > 2026年7月发布｜持续开放招聘 --- ## 🔍 一、重磅成果：三大具身智能基座模型齐发 腾讯 Robotics X 联合福田实验室与混元团队，于2026年6–7月连续发布并**全部开源**三款面向真实世界机器人操作的具身智能基座模型： | 模型名称 | 发布时间 | 核心定位 | 关键能力亮点 | |----------|-----------|------------|----------------| | **Hy-Embodied-0.5-VLA** | 2026年6月15日 | 端到端具身视觉-语言动作模型（VLA） | ✅ 真实机器人任务成功率近100%
✅ 支持指令驱动的全流程动作生成与执行 | | **Hy-Embodied-VLM-1.0** | 2026年7月15日 | 第二代具身视觉语言模型（VLM）基座 | ✅ 构建“理解—行动—适应”闭环
✅ 分层能力设计：物理状态理解 / 动作-变化推理 / 时序自适应规划
✅ 基于混元 A3B 小参数量实现媲美 A32B 的性能 | | **Hy-Embodied-RxBrain-1.0** | 2026年7月15日 | 具身世界认知基座模型（“具身大脑”） | ✅ 首次统一文本推理 + 视觉目标想象
✅ 支持 L0–L3 四级粒度联合规划（原子动作→子任务→最终目标）
✅ 在 RxBrain-Bench 上综合规划得分达 **0.68**（SOTA） | 📌 **全部模型均已开源，支持即刻部署与二次开发：** 🔗 [Hy-Embodied-0.5-VLA](https://tairos.tencent.com/openSourceModels/hy-embodied-0.5-vla) 🔗 [Hy-Embodied-VLM-1.0](https://github.com/Tencent-Hunyuan/HY-Embodied) 🔗 [Hy-Embodied-RxBrain-1.0](https://github.com/Tencent-Hunyuan/Hy-Embodied-RxBrain-1.0) --- ## 🧠 二、技术亮点深度解析 ### ▪ Hy-Embodied-VLM-1.0：构建“理解—行动—适应”闭环 - **能力分层体系：** - **State Understanding（状态理解）**：识别物体、空间关系、可供性、功能部件等； - **Action-Transition Reasoning（动作转移推理）**：判断动作可行性、局部物理影响、人机语义对齐； - **Sequential & Adaptive Reasoning（长程自适应推理）**：多步规划、导航、失败诊断、反事实分析、动态重规划。 - **数据驱动增强：** - Mid-train 阶段：1810万+高质量问答数据（覆盖状态/转移/推理）； - Post-train 阶段：4.8万+指令微调数据（强化计数、空间关系、交互、规划、反思等）； - **评测表现（37项具身任务平均分）：** `68.6（状态理解）`｜`64.1（动作推理）`｜`57.4（自适应推理）` → **综合得分 65.6** > 显著优于同规模 Qwen3.6-A3B、Cosmos3-Nano、Embodied-R1.5，逼近上一代 A32B 旗舰。 ### ▪ Hy-Embodied-RxBrain-1.0：让机器人“会推理”也“会想象” - **核心突破：** 打破传统 VLM/VLA 与 World Model 的割裂，实现语言计划与视觉目标在统一序列中协同生成。 - **双模态条件输出：** - 文本计划 → 支持任务分解、动作选择、约束表达； - 目标图像 → 可作为 goal-conditioned policy、逆动力学模型或动作解码器的视觉引导； - 差异反馈 → 用于进度判断、失败检测与重规划。 - **训练数据规模：** ✅ **50,177 小时高质量具身操作数据**（含真实机器人17,292h + 第一视角UMI 31,568h + 仿真1,317h） ✅ 开源 **28,597 小时**（占比57%），全部经严格质量筛选。 - **创新数据构造：** 自动视频分割流水线 → 原子动作序列标注 → 构建 **2.1亿条 L0–L3 多粒度样本**： - L0：连续动作状态想象 - L1：原子动作规划 - L2：高层子任务规划 - L3：最终目标状态想象 ### ▪ RxBrain-Bench：首个联合具身规划评测基准 专为评估“文本推理 + 视觉想象”协同能力设计，包含三大递进任务： | 任务类型 | 样本量 | 评测重点 | |----------|---------|------------| | **Embodied VQA** | 1,381组 | 场景理解、任务规划、异常恢复、完成判断 | | **Embodied World State Prediction** | 1,116个 | 短时未来状态预测（4帧） | | **Joint Subgoal Planning** | 3,640个 | 自由滚动生成“文本子任务 ↔ 视觉目标”交错序列 | ✅ **RxBrain 在 JointPlan 任务中 S_plan = 0.68（SOTA）**，显著领先 Cosmos3-Nano（0.521）、BAGEL（0.503）、Qwen-Agent（0.431） ✅ **WorldPred 任务得分 0.62**，接近专用世界模型 Cosmos3-Nano（0.591），远超通用视频模型 Wan2.2（0.429） ✅ **真机验证平均成功率 87%**（Set Table: 97%｜Fold Glasses: 95%｜Pick Trash: 68%），超越 π₀（68%）与 π₀.₅（82%） --- ## 💼 三、招聘岗位（深圳） ### ✅ 社招岗位 - **具身大模型评测与数据工程师** - 职责方向：构建具身智能评测体系、设计高质量评测任务、开发自动化评估工具链、参与开源 Benchmark 维护与演进； - 要求：熟悉多模态大模型评测方法论，有机器人/具身AI/视觉语言任务经验者优先；具备数据工程、Python/PyTorch 开发能力。 ### ✅ 实习生岗位（长期开放） - **工作地点：深圳** - **所属部门：TEG - Robotics X 技术研究部（机器人方向）** - **研究方向（任选其一或交叉）：** - 面向通用机器人操作的具身多模态模型（VLM/VLA） - 面向真实物理世界的多模态大模型研究（感知+推理+生成） - 面向长程、复杂决策问题的具身智能体研究（规划+记忆+纠错） - 面向以“人”为中心的具身交互智能体研究（意图理解+自然交互+安全对齐） > ⚡ 实习表现优异者可获**校招绿色通道直通 offer** --- ## 🌐 四、加入我们，一起叩击“物理 AI”的皇冠 > 我们正从数字世界迈向真实物理世界， > 教会机器理解空间、推理因果、想象结果、执行动作。 > 这不是单点技术的突破，而是系统级智能的跃迁。 📅 **2026 WAIC 期间诚邀相见！** 📍 上海世博展览馆 · 1号馆 · H1-B801 腾讯展台 💬 现场交流具身智能最新进展、模型细节与职业发展路径 --- 📬 **投递方式：** 请关注【腾讯招聘】官方渠道，搜索关键词 **“Robotics X”** 或 **“具身智能”** 查看岗位详情并一键投递。 （社招/实习岗位均持续开放，欢迎随时申请） --- *腾讯 Robotics X｜让机器人真正走进人类生活*