AnswersPublished19 sources
יותר מ־10,000 שעות של נתוני אדם: כך Being-M0.7 מחבר הליכה ותפעול אצל רובוטים
Being M0.7 הוא מודל פעולה־עולם שמיועד לתאם בין הליכה לבין פעולות כמו הושטת יד ואחיזת חפצים, במקום לאמן כל יכולת בנפרד.[1][6] הוא נלמד ביותר מ־10,000 שעות של נתוני אדם, ובהמשך מותאם לרובוט באמצעות מסלולי תנועה רובוטיים ומומחה פעולה שמפיק פקודות לכל הגוף.[1][4] במבחן SIMPLE הוא הצליח ב־128 מתוך 180 ניסיונות (71.1%) —...
פורסם על ידינערך באמצעות GPT-6 Lunaהתמונות נוצרו באמצעות GPT Image 2
Research answer
Key takeaways
- Being M0.7 הוא מודל פעולה־עולם שמיועד לתאם בין הליכה לבין פעולות כמו הושטת יד ואחיזת חפצים, במקום לאמן כל יכולת בנפרד.[1][6]
- הוא נלמד ביותר מ־10,000 שעות של נתוני אדם, ובהמשך מותאם לרובוט באמצעות מסלולי תנועה רובוטיים ומומחה פעולה שמפיק פקודות לכל הגוף.[1][4]
- במבחן SIMPLE הוא הצליח ב־128 מתוך 180 ניסיונות (71.1%) — התוצאה המצטברת הגבוהה ביותר בהשוואה שדווחה.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is BeingBeyond’s Being M0.7, released by the embodied AI startup founded by Peking University tenured associate professor Lu Zongqing a. Article summary: Being M0.7 is BeingBeyond’s latent world action model for humanoid “loco manipulation”—coordinating walking and object manipulation—rather than treating them as separate skills.[1][6] Its central idea is to learn a predi. Topic tags: general web, ai, code, privacy, regulation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
כדי שרובוט דמוי אדם יתקדם בחדר ובו בזמן יושיט יד וירים חפץ, הוא צריך לתאם את כל גופו: להבין מה קורה סביבו, לצפות כיצד הסביבה והתנועה שלו ישתנו, ולבצע את הפעולה בלי להפר את שיווי המשקל. תחום השילוב הזה נקרא תנועה ותפעול (loco-manipulation).
Being-M0.7, שפותח בידי חברת הבינה המלאכותית הגופנית BeingBeyond, נועד ללמוד את התיאום הזה. במקום להסתמך רק על הדגמות של רובוטים, הוא לומד תחילה מנתוני וידאו ותנועה אנושיים בהיקף של יותר מ־10,000 שעות, ורק אחר כך מתאים את הידע לרובוט.1
4
12
שלושה שלבים: מאדם לפקודות רובוט
האתגר בשימוש בנתונים אנושיים הוא שהם לא מגיעים בפורמט אחיד: חלק מהדוגמאות כוללות וידאו ותנועה יחד, אחרות כוללות רק וידאו או רק תנועה. נוסף על כך, תנועה אנושית אינה הוראה שאפשר להעביר ישירות לגוף מכני. Being-M0.7 מפריד בין לימוד דפוסי התנועה והסביבה לבין התאמתם לרובוט מסוים.3
5
- אימון מקדים על נתוני אדם: מודל מסוג Mixture of Transformers לומד מרחב משותף לווידאו ולתנועה, ומנסה לחזות גם ייצוגים חזותיים עתידיים וגם תנועת גוף. כך נבנה בסיס חיזוי שמתאר כיצד סצנה וגוף עשויים להתפתח.
1
8
- התאמה לרובוט: מסלולי תנועה של רובוט משמשים להתאמת הבסיס לנקודת המבט של המצלמה, למבנה הגוף ולדינמיקה של הרובוט.
4
7
- מומחה פעולה: בשלב האחרון מאמנים מומחה נפרד, שמקבל את ההקשר החזותי שחזה הבסיס הקפוא ומתרגם אותו לפקודות שניתנות לביצוע באמצעות כל הגוף.
5
לצורך האימון נעשה שימוש בזרמי נתונים משלימים: צמדי וידאו־תנועה, וידאו בלבד ורצפי תנועה בלבד. בין מאגרי הנתונים שדווחו: Ego4D, Xperience, Nymeria, HumanML3D ו־LAFAN1, לצד נתונים פנימיים ומקורות שנרכשו.1 תיאורי המודל מציינים גם שימוש בייצוגי תמונה קפואים של DINO ובייצוג תנועה משותף בן 22 ממדים, המבוסס על הראש ושורש הגוף.
12
המקורות הזמינים אינם מפרטים כיצד, או אם, המודל משתמש ב-placeholders נלמדים כדי להשלים מודאליות חסרות. לכן אי אפשר לקבוע כאן שזהו מנגנון מאומת של Being-M0.7.
מה הראו המבחנים?
במבחן הסימולציה SIMPLE, שכולל שש משימות בשלוש רמות קושי, Being-M0.7 הצליח ב־128 מתוך 180 ניסיונות — שיעור של 71.1%. זו הייתה התוצאה המצטברת הגבוהה ביותר מבין המודלים שהושוו. לשם השוואה, דווחו שיעורי הצלחה של 64.4% ל־Ψ0, של 52.8% ל־π0.5 ושל 33.9% ל־GR00T-N1.6.6
התוצאה הכוללת אינה אומרת שהמודל היה הטוב ביותר בכל משימה: לפי הדיווח, Ψ0 ניצח במשימה אחת ו־π0.5 בשתיים.6 בניסוי נוסף, הסרת האימון המקדים על נתוני אדם הורידה את שיעור ההצלחה של Being-M0.7 ל־48.9%, ממצא שמצביע על תרומתם האפשרית של הנתונים האנושיים במסגרת הניסוי.
6
בניסויי רובוט אמיתיים על Unitree G1, המודל נבדק בשלוש משימות של תנועה ותפעול, עם חמישה ניסיונות בכל משימה. הוא השתווה למודל המוביל — תוצאה מעודדת, אך לא ניצחון חד־משמעי, וגם לא בסיס חזק להסיק על אמינות בתנאים מגוונים.1
5
מה עדיין לא ברור
ההערכה בעולם האמיתי הייתה קטנה, והמשימות שנבדקו אינן מוכיחות שהרובוט מסוגל להתמודד באופן אמין עם רצפים ארוכים או להתאושש משגיאות שמצטברות לאורך זמן. המקורות מציינים גם את דיוק המעקב המוגבל של בקר SONIC בעת איסוף הדגמות: כשהרובוט אינו עוקב היטב אחר התנועה המבוקשת, איכות הנתונים שמשמשים לאימון עלולה להיפגע.5
הדיווח מ־12 באוקטובר 2026 אינו בהכרח תאריך ההשקה המקורי: מקור אחר מציין שהמודל הוצג כבר ביולי 2026.4
16 לפי המקורות, לוזונגצ'ינג הוא מייסד BeingBeyond ופרופסור חבר באוניברסיטת פקינג.
3
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "יותר מ־10,000 שעות של נתוני אדם: כך Being-M0.7 מחבר הליכה ותפעול אצל רובוטים"?
Being M0.7 הוא מודל פעולה־עולם שמיועד לתאם בין הליכה לבין פעולות כמו הושטת יד ואחיזת חפצים, במקום לאמן כל יכולת בנפרד.[1][6]
What are the key points to validate first?
Being M0.7 הוא מודל פעולה־עולם שמיועד לתאם בין הליכה לבין פעולות כמו הושטת יד ואחיזת חפצים, במקום לאמן כל יכולת בנפרד.[1][6] הוא נלמד ביותר מ־10,000 שעות של נתוני אדם, ובהמשך מותאם לרובוט באמצעות מסלולי תנועה רובוטיים ומומחה פעולה שמפיק פקודות לכל הגוף.[1][4]
What should I do next in practice?
במבחן SIMPLE הוא הצליח ב־128 מתוך 180 ניסיונות (71.1%) — התוצאה המצטברת הגבוהה ביותר בהשוואה שדווחה.