Eigene Forschung — Hyperion

Reachy-LeRobot

Eine Machbarkeitsstudie: eine 4-Mrd.-Parameter-Vision-Language-Action-Policy (π0.5) auf einer einzigen AMD-Strix-Halo-Workstation, mit einem Reachy-Mini-Roboter und SO-101-Armen.

Dies ist Mess- und Machbarkeitsarbeit, kein fertiges Produkt. Jede Zahl unten ist als gemessen, Simulation oder Trockenlauf gekennzeichnet — und was noch nicht gemessen ist, wird klar benannt.

Was wir gemessen haben

π0.5-Voll-Fine-Tune — Spitzenspeicher
68.71 GB
Gemessen
Echtes Fine-Tune (LIBERO, sprachkonditioniert) — Loss
1.08 → 0.13 (300 steps)
Gemessen
Simulationserfolg (LIBERO-Spatial) — Basis → feinabgestimmt
0% → 96%
Simulation
Kognitiver Benchmark am Roboter (12 Szenen) — wahrnehmen · verstehen · interpretieren
12 / 12
Am Roboter, Trockenlauf
bf16-Durchsatz vs. FP32 (ACT)
2.3× – 14.3×
Gemessen

Noch nicht gemessen

Aufgaben-Erfolgsrate am Roboter — die Arm-Schleife ist Trockenlauf (noch keine physische Bewegung).
NPU-(XDNA2-)Ausführung — die INT8-Toolchain validiert, aber kein DPU-Subgraph kompiliert; nur iGPU/CPU-Fallback.
Konvergenz (das Fine-Tune stoppt bei 300 Schritten), Energie und Multi-Task-Generalisierung.