RhinoVLA: VLA-модель для роботов работает в реальном времени на edge-чипе Huixi R1

Команда разработчиков из Huixi AI представила RhinoVLA — новую модель класса Vision-Language-Action (VLA), предназначенную для роботизированных манипуляций. Главная особенность — модель способна работать в реальном времени на периферийном SoC Huixi R1, достигая 11,69 Гц сквозного инференса при сохранении конкурентоспособного качества управления. Это означает, что роботы могут выполнять сложные задачи, такие как захват и перемещение объектов, без задержек, связанных с передачей данных на облачные серверы или мощные GPU.

Почему RhinoVLA работает быстрее других VLA-моделей Современные VLA-модели, как правило, требуют мощных GPU или облачных вычислений, что ограничивает их применение в автономных роботах. RhinoVLA решает эту проблему за счёт совместного проектирования архитектуры модели и аппаратного обеспечения. Разработчики оптимизировали как нейросеть, так и чип Huixi R1 для совместной работы, что позволяет выполнять сложные задачи управления прямо на борту робота без задержек на передачу данных. Такой подход особенно важен для промышленных роботов, где каждая миллисекунда имеет значение.

Какие технические особенности обеспечивают производительность RhinoVLA? RhinoVLA использует токен-эффективный бэкбон Qwen3-VL и непрерывного Action Expert, что снижает вычислительную нагрузку на VLM-часть. Для поддержки обучения на разных роботах введён унифицированный интерфейс: View Registry, 72-мерное пространство состояний-действий и robot-instance LoRA. Оптимизация включает аппаратно-ориентированную компиляцию, смешанную точность и параллельное кодирование изображений. По качеству управления RhinoVLA сравнима с моделью π0.5 при аналогичном числе параметров, но при этом работает на значительно менее мощном оборудовании.

Для кого эта технология будет полезна Разработчиков робототехники, инженеров по edge-вычислениям, исследователей VLA и компании, создающие автономных роботов для промышленности и сервиса. Например, производители складских роботов могут внедрить RhinoVLA для точного захвата товаров, а сервисные роботы в гостиницах — для доставки предметов. Благодаря работе на чипе Huixi R1, такие роботы не требуют постоянного подключения к интернету, что повышает их автономность и безопасность.

Какие ограничения пока остаются? Точные характеристики энергопотребления и стоимость чипа Huixi R1 пока не раскрыты. Также не опубликованы детали датасетов для перекрёстного обучения роботов, что может затруднить воспроизводимость результатов. Проект будет открыт, но точная дата релиза не указана. Тем не менее, RhinoVLA демонстрирует, что эффективные VLA-модели для реального времени на периферии возможны уже сегодня.

Как RhinoVLA сравнивается с аналогами? В отличие от многих VLA-моделей, которые требуют дорогих GPU, RhinoVLA оптимизирована для работы на специализированном чипе. Это делает её доступнее для массового внедрения. По тестам на стандартных задачах манипуляции RhinoVLA показывает точность, сопоставимую с π0.5, но при этом частота инференса в 11,69 Гц позволяет работать в реальном времени. Для сравнения, многие облачные VLA-модели имеют задержки в несколько секунд из-за передачи данных.

Перспективы развития Дальнейшие улучшения могут включать поддержку большего количества типов роботов, снижение энергопотребления и расширение датасетов. Если Huixi AI раскроет стоимость и энергопотребление чипа, RhinoVLA может стать стандартом для встраиваемых робототехнических систем. Уже сейчас это значительный шаг вперёд для edge-AI в робототехнике.