让机器人在产线上拿取不断换款的商品，难点不只是“看见”，还要看懂位置和用途、规划步骤，并在动作出错时及时修正。7月18日，腾讯 Robotics X、福田实验室与腾讯混元发布三款具身基座模型——为机器人感知、规划和行动提供通用能力的底层模型，试图把这条链路连起来。
其中，Hy-Embodied-VLM-1.0 负责理解图像、空间和场景；Hy-Embodied-RxBrain-1.0 一边规划步骤，一边生成每步完成后应有的目标画面；Hy-Embodied-VLA-0.5 则把视觉和语言转换成可连续纠错的机器人动作。据 InfoQ 报道，VLA 模型已进入一家日化品工厂，应对品类混杂、小批量和 SKU 频繁更新的产线，作业成功率超过95%，单件节拍短于6秒，新增 SKU 的数据采集与后训练时间不到3天。
这组结果值得看，因为它给出了大厂具身 AI 从模型走向生产线的具体信号。不过，报道未披露工厂名称、任务样本量及失败口径，95%的效果仍是腾讯方面的实测说法。