Recherche en propre — Hyperion

Reachy-LeRobot

Une étude de faisabilité : exécuter une politique vision-langage-action de 4 milliards de paramètres (π0.5) sur une seule station AMD Strix Halo, avec un robot Reachy Mini et des bras SO-101.

Il s'agit de travaux de mesure et de faisabilité, pas d'un produit fini. Chaque chiffre ci-dessous est étiqueté mesuré, simulation ou à blanc — et ce qui n'est pas encore mesuré est indiqué clairement.

Ce que nous avons mesuré

Fine-tune complet π0.5 — mémoire de pointe
68.71 GB
Mesuré
Fine-tune réel (LIBERO, conditionné par le langage) — perte
1.08 → 0.13 (300 steps)
Mesuré
Succès en simulation (LIBERO-Spatial) — base → affiné
0% → 96%
Simulation
Benchmark cognitif sur robot (12 scènes) — percevoir · comprendre · interpréter
12 / 12
Sur robot, à blanc
Débit bf16 vs FP32 (ACT)
2.3× – 14.3×
Mesuré

Pas encore mesuré

Taux de succès des tâches sur robot — la boucle du bras est à blanc (pas encore de mouvement physique).
Exécution NPU (XDNA2) — la chaîne INT8 se valide, mais aucun sous-graphe DPU compilé ; repli iGPU/CPU uniquement.
Convergence (le fine-tune s'arrête à 300 étapes), énergie et généralisation multitâche.