답변게시됨18 소스
사람 데이터 1만 시간으로 걷고 집는 로봇을: Being-M0.7의 학습법과 성적표
Being M0.7은 휴머노이드의 걷기와 물체 조작을 따로 떼지 않고 함께 다루는 잠재 세계 행동 모델입니다. 사람 중심의 원시 영상·동작 데이터 1만 시간 이상으로 먼저 학습합니다.[1][14] 영상·동작의 미래 상태를 함께 예측한 뒤, 로봇 궤적으로 로봇의 시점과 몸에 맞게 조정하고, 별도의 액션 전문가가 이를 전신 제어 명령으로 바꿉니다.[1][5] SIMPLE 시뮬레이션에서는 180회 중 128회 성공해 성공률 71.1%를 기록했습니다.
게시자GPT-6 Luna로 편집GPT Image 2로 이미지 생성
연구 답변
주요 시사점
- Being M0.7은 휴머노이드의 걷기와 물체 조작을 따로 떼지 않고 함께 다루는 잠재 세계 행동 모델입니다. 사람 중심의 원시 영상·동작 데이터 1만 시간 이상으로 먼저 학습합니다.[1][14]
- 영상·동작의 미래 상태를 함께 예측한 뒤, 로봇 궤적으로 로봇의 시점과 몸에 맞게 조정하고, 별도의 액션 전문가가 이를 전신 제어 명령으로 바꿉니다.[1][5]
- SIMPLE 시뮬레이션에서는 180회 중 128회 성공해 성공률 71.1%를 기록했습니다. 다만 모든 과제에서 우세한 것은 아니며, 실기 평가는 세 과제에 각 다섯 번으로 규모가 작습니다.[6][5]
AI 프롬프트
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
Being-M0.7은 휴머노이드가 이동하면서 물체를 조작하는 능력을 함께 익히도록 설계된 잠재 세계-행동 모델입니다. 걷기와 집기를 별개의 기술로 나누기보다, 주변 환경과 몸의 움직임이 앞으로 어떻게 변할지 예측하고 그 예측을 로봇의 전신 제어로 연결하는 접근입니다.1
6
BeingBeyond는 사람의 1인칭 영상과 동작 데이터 1만 시간 이상을 활용해 로봇 궤적을 보기 전에 모델을 학습시킵니다. 보도 날짜는 2026년 10월 12일로 소개됐지만, 회사 연구 페이지에는 모델이 2026년 7월 공개된 것으로 적혀 있습니다. 따라서 10월 12일은 최초 공개일이라기보다 관련 보도가 나온 날짜로 보는 편이 정확합니다.4
16
사람 데이터에서 로봇 제어까지, 세 단계
로봇에게는 시연 데이터가 필요하지만, 사람의 일상 영상과 동작 자료는 그보다 훨씬 다양한 움직임을 담을 수 있습니다. 문제는 데이터가 한결같지 않다는 점입니다. 영상만 있는 자료도, 동작 정보만 있는 자료도 있고, 사람의 움직임을 로봇에 그대로 적용할 수도 없습니다. Being-M0.7은 이 차이를 무시하고 사람의 동작을 복사하는 대신, 먼저 예측 능력을 익히고 이후 이를 특정 로봇의 제어 방식에 맞춥니다.5
7
사전학습 — 영상과 동작의 공통 구조 학습
트랜스포머 혼합 구조(Mixture of Transformers)를 이용해 영상과 신체 동작을 공유 표상 공간에서 학습합니다. 목표는 다음 시점의 시각 상태와 몸의 움직임을 함께 예측하는 것입니다. 영상 데이터는 미래 장면의 잠재 표현으로 다루며, 공개된 설명에는 고정된 DINO 시각 특징과 사람·로봇이 공유하는 22차원 머리 기준 동작 표현이 언급돼 있습니다.1
12
중간학습 — 로봇의 몸과 시점에 맞추기
사람 데이터에서 익힌 예측을 로봇의 카메라 시점, 신체 구성과 움직임 특성에 맞게 조정합니다. 이 단계에는 로봇 궤적이 쓰입니다.5
7
후속학습 — 예측을 실행 가능한 명령으로 바꾸기
별도의 액션 전문가가 고정된 사전학습 모델이 내놓는 미래 시각 맥락을 활용해 로봇의 전신 제어 명령을 학습합니다. 사람의 움직임을 그대로 재생하는 것이 아니라, 예측한 정보를 해당 로봇이 실행할 수 있는 행동으로 연결하는 단계입니다.
학습 자료는 영상과 동작이 짝을 이루는 데이터, 영상만 있는 데이터, 동작만 있는 데이터의 세 흐름으로 구성됩니다. 짝이 맞는 자료는 영상과 동작을 함께 학습시키고, 한쪽 정보만 있는 자료는 학습 범위를 넓히는 데 쓰입니다.5
14 공개적으로 소개된 데이터 출처에는 Ego4D, Xperience, Nymeria, Bones-SEED, SnapMoGen, HumanML3D, LaFan1 등이 있으며, BeingBeyond의 이전 데이터와 상업적으로 확보한 자료도 더해졌습니다.
1
시뮬레이션 성적은 좋았지만, 과제별로는 차이가
SIMPLE은 세 가지 난이도에 걸친 휴머노이드 과제 6개를 평가하는 시뮬레이션 벤치마크입니다. Being-M0.7은 총 180회 중 128회 성공해 **71.1%**를 기록했고, 비교 모델 가운데 종합 성공률이 가장 높았습니다. 보도된 비교 수치는 Ψ0 64.4%, π0.5 52.8%, GR00T-N1.6 33.9%입니다.6
사람 데이터 사전학습을 뺀 비교 설정에서는 성공률이 48.9%로 내려갔습니다. 이는 사람 데이터 학습이 결과에 기여했을 가능성을 보여주는 비교 결과지만, 이 수치만으로 다른 모든 조건에서도 같은 효과가 난다고 단정할 수는 없습니다.6
종합 점수가 가장 높다고 해서 모든 과제에서 이긴 것은 아닙니다. 보고된 과제별 비교에서는 Ψ0가 한 과제에서, π0.5가 두 과제에서 더 나은 결과를 냈습니다.6 또 언어 맥락만 사용한 변형 모델과 비교하면 Being-M0.7은 XMovePick과 BendPick에서 개선됐지만, XMoveBendPick에서는 오히려 성능이 낮았습니다. 연구진은 비슷한 시각 관측을 공유하는 과제를 함께 학습하면서 간섭이 생겼을 가능성을 제시했습니다.
5
실기 평가는 아직 작은 규모
실제 Unitree G1 휴머노이드에서는 이동과 조작을 결합한 세 과제를 평가했고, 과제마다 다섯 번씩 시험했습니다. 제공된 자료는 Being-M0.7이 이 평가에서 가장 강한 기준 모델과 대등한 결과를 냈다고 설명합니다.5 각 과제의 시험 횟수가 적기 때문에, 이를 다양한 환경에서의 장기적인 신뢰성이나 우세를 입증한 결과로 확대 해석하기는 어렵습니다.
남은 과제와 해석할 때의 주의점
- 긴 시간 이어지는 작업은 별도 검증이 필요합니다. 짧은 이동·집기 시험만으로 여러 단계의 작업을 오래 이어가거나, 오류가 누적된 뒤 스스로 회복하는 능력을 판단하기 어렵습니다. 연구 자료도 더 긴 시간 범위의 이동·조작 과제 평가가 필요하다고 지적합니다.
- 시연 수집에 쓰인 제어기의 추적 정확도도 변수입니다. 연구 관련 설명은 SONIC 전신 제어기의 말단부 추적 정확도가 제한적이어서 로봇 시연을 수집하기 어려웠다고 전합니다. 이는 모델 자체의 능력과는 구분해야 할 데이터 수집상의 제약입니다.
- 빠진 정보의 처리 방식은 공개 자료만으로 확정하기 어렵습니다. 학습 자료에 영상 전용·동작 전용 흐름이 있다는 점은 확인되지만, 질문에 언급된 결측 모달리티용 학습 가능한 플레이스홀더가 구체적으로 어떻게 학습되는지는 제공된 자료에서 확인되지 않습니다.
요약하면 Being-M0.7의 핵심은 사람 데이터로 환경과 움직임을 예측하는 기반을 먼저 만들고, 로봇 궤적과 별도 액션 전문가를 통해 이를 실제 제어로 이어 붙이는 데 있습니다. 시뮬레이션에서의 종합 성적은 인상적이지만, 과제별 편차와 제한된 실기 시험 규모까지 함께 봐야 현재 성과의 범위를 제대로 이해할 수 있습니다.1
5
6
Studio Global AI
연구를 계속하세요
이 페이지에는 Studio Global 내에서 계속할 수 있는 소스 기반 답변이 포함되어 있습니다.
사람들은 또한 묻습니다.
"사람 데이터 1만 시간으로 걷고 집는 로봇을: Being-M0.7의 학습법과 성적표"에 대한 짧은 대답은 무엇입니까?
Being M0.7은 휴머노이드의 걷기와 물체 조작을 따로 떼지 않고 함께 다루는 잠재 세계 행동 모델입니다. 사람 중심의 원시 영상·동작 데이터 1만 시간 이상으로 먼저 학습합니다.[1][14]
먼저 검증할 핵심 포인트는 무엇인가요?
Being M0.7은 휴머노이드의 걷기와 물체 조작을 따로 떼지 않고 함께 다루는 잠재 세계 행동 모델입니다. 사람 중심의 원시 영상·동작 데이터 1만 시간 이상으로 먼저 학습합니다.[1][14] 영상·동작의 미래 상태를 함께 예측한 뒤, 로봇 궤적으로 로봇의 시점과 몸에 맞게 조정하고, 별도의 액션 전문가가 이를 전신 제어 명령으로 바꿉니다.[1][5]
실무에서는 다음으로 무엇을 해야 합니까?
SIMPLE 시뮬레이션에서는 180회 중 128회 성공해 성공률 71.1%를 기록했습니다. 다만 모든 과제에서 우세한 것은 아니며, 실기 평가는 세 과제에 각 다섯 번으로 규모가 작습니다.[6][5]