AnswersPublished20 sources
Being-M0.7 punta a coordinare cammino e manipolazione nei robot umanoidi
Being M0.7 è un modello «world action» pensato per coordinare spostamenti e manipolazione degli oggetti con il corpo intero del robot. La fase iniziale sfrutta oltre 10.000 ore di dati umani, tra video in prima persona e sequenze di movimento; in seguito, traiettorie robotiche adattano il modello al corpo e alla pro...
Pubblicato daModificato con GPT-6 LunaImmagini generate con GPT Image 2
Research answer
Key takeaways
- Being M0.7 è un modello «world action» pensato per coordinare spostamenti e manipolazione degli oggetti con il corpo intero del robot.
- La fase iniziale sfrutta oltre 10.000 ore di dati umani, tra video in prima persona e sequenze di movimento; in seguito, traiettorie robotiche adattano il modello al corpo e alla prospettiva della macchina.[1][14]
- Nel benchmark SIMPLE ha totalizzato 128 successi su 180 prove, pari al 71,1%, il miglior risultato complessivo tra i modelli confrontati.[6]
- Nei test reali sul Unitree G1, il modello ha pareggiato il miglior riferimento in tre attività, valutate con cinque prove ciascuna: un risultato promettente, ma basato su un campione limitato.[5]
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
Un robot umanoide deve saper fare due cose insieme: spostarsi nell’ambiente e usare le mani per interagire con gli oggetti. Being-M0.7, sviluppato dalla startup di intelligenza artificiale incarnata BeingBeyond, affronta proprio questa sfida: la cosiddetta loco-manipolazione, cioè la coordinazione tra cammino e manipolazione.1
4
L’idea centrale è addestrare prima il modello su una grande quantità di dati umani, e solo dopo collegare ciò che ha imparato ai comandi di un robot specifico. Secondo le fonti, il corpus iniziale comprende oltre 10.000 ore di video e dati di movimento umani grezzi.1
14 L’obiettivo è sfruttare esperienze molto più ampie di quelle disponibili nelle sole dimostrazioni robotiche, che possono essere difficili da raccogliere. Ma i dati umani non sono tutti uguali: alcuni contengono video senza informazioni sul movimento, altri solo sequenze di movimento; inoltre, un gesto umano non si traduce automaticamente in un comando eseguibile da un robot.
5
Tre fasi, dai dati umani ai comandi del robot
1. Apprendimento di un modello condiviso. Nella fase iniziale, una struttura chiamata Mixture of Transformers elabora dati video e di movimento. Il modello impara a prevedere sia come potrebbero evolvere le informazioni visive della scena, sia il movimento del corpo.1
8 Le fonti descrivono tre tipi di dati: video abbinati a sequenze di movimento, video senza dati di movimento associati e sequenze di movimento senza video.
14
2. Adattamento al robot. Le traiettorie robotiche servono poi ad adattare il modello alla prospettiva della telecamera, alla struttura fisica e alle dinamiche del robot.7
8 È un passaggio importante: il modello non deve riprodurre un movimento umano, ma usare ciò che ha imparato per controllare un corpo meccanico diverso.
3. Traduzione in azioni. Infine, un esperto d’azione separato utilizza il contesto visivo previsto dal modello, mantenuto congelato in questa fase, per produrre comandi coordinati per il corpo intero.7 In questo modo, la previsione appresa dai dati umani viene collegata al controllo pratico del robot.
Tra i dataset citati nelle fonti figurano Ego4D, Xperience, Nymeria, Bones-SEED, SnapMoGen, HumanML3D e Lafan1, insieme a dati provenienti da lavori precedenti di BeingBeyond e da fonti commerciali.1 Le fonti descrivono anche caratteristiche tecniche come l’uso di rappresentazioni visive DINO congelate e di un’interfaccia di movimento condivisa da 22 dimensioni, riferita alla testa e alla radice del corpo.
12
14 I materiali disponibili, però, non chiariscono abbastanza come siano implementati eventuali segnaposto apprendibili per le modalità mancanti né la definizione dettagliata delle 22 componenti.
I risultati: primo nel complesso in simulazione
Nel benchmark di simulazione SIMPLE, che comprende sei attività a tre livelli di difficoltà, Being-M0.7 ha ottenuto 128 successi su 180 prove, pari al 71,1%. Il risultato complessivo è superiore a quello riportato per Ψ0 (64,4%), π0.5 (52,8%) e GR00T-N1.6 (33,9%).6 In un test senza preaddestramento sui dati umani, il punteggio è sceso al 48,9%.
6
Il vantaggio aggregato non significa però che il modello abbia fatto meglio in ogni singola attività. In un confronto con una variante basata solo sul contesto linguistico, il modello completo ha migliorato i risultati in XMovePick e BendPick, ma è andato peggio in XMoveBendPick. Gli autori collegano la differenza a possibili interferenze tra attività con osservazioni visive simili: è la loro interpretazione, non una causa dimostrata in modo indipendente.7
Nei test reali sul robot Unitree G1, Being-M0.7 è stato valutato su tre attività di loco-manipolazione, con cinque prove per attività, e ha pareggiato il riferimento migliore.5 Il risultato non equivale a un primato netto: con così poche prove, ogni singolo esito pesa molto e non basta a stabilire quanto il comportamento sia affidabile in ambienti diversi. Le fonti disponibili confermano il pareggio e la dimensione del test, ma non consentono di verificare in modo indipendente tutti i conteggi numerici riportati nelle sintesi circolate.
Cosa resta da verificare
I test descritti riguardano attività relativamente circoscritte. Non dimostrano ancora che il robot sappia mantenere prestazioni affidabili in compiti lunghi, composti da più passaggi o soggetti a errori che si accumulano nel tempo; le fonti indicano che le attività a orizzonte più lungo restano da valutare.5
C’è poi un limite legato alla raccolta delle dimostrazioni: secondo la fonte tecnica, la precisione di tracciamento del controllore usato per eseguire i movimenti può rendere più difficile ottenere traiettorie robotiche accurate. Questo riguarda la qualità dei dati di addestramento e il controllore, non va confuso con una prestazione misurata del modello Being-M0.7.5
Infine, il 12 ottobre 2026 è la data della copertura giornalistica citata, non necessariamente quella del lancio: una pagina di BeingBeyond indica che il modello era stato presentato a luglio 2026.4
16 Le fonti identificano Lu Zongqing come fondatore di BeingBeyond e professore associato alla Peking University, ma non verificano in modo indipendente la qualifica di docente di ruolo.
3
4
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 "Being-M0.7 punta a coordinare cammino e manipolazione nei robot umanoidi"?
Being M0.7 è un modello «world action» pensato per coordinare spostamenti e manipolazione degli oggetti con il corpo intero del robot.
What are the key points to validate first?
Being M0.7 è un modello «world action» pensato per coordinare spostamenti e manipolazione degli oggetti con il corpo intero del robot. La fase iniziale sfrutta oltre 10.000 ore di dati umani, tra video in prima persona e sequenze di movimento; in seguito, traiettorie robotiche adattano il modello al corpo e alla prospettiva della macchina.[1][14]
What should I do next in practice?
Nel benchmark SIMPLE ha totalizzato 128 successi su 180 prove, pari al 71,1%, il miglior risultato complessivo tra i modelli confrontati.[6]