AnswersPublished19 sources
Being-M0.7: jak humanoid ma chodzić i manipulować przedmiotami jednocześnie
Being M0.7 to model AI do całego ciała humanoida: ma koordynować przemieszczanie się i manipulowanie przedmiotami, zamiast traktować te zadania osobno.[1][4] Najpierw uczy się na ponad 10 tys. godzin ludzkich nagrań i danych o ruchu, potem dostosowuje przewidywania do budowy i perspektywy robota, a na końcu zamienia...
Opublikowane przezEdytowane za pomocą GPT-6 LunaObrazy wygenerowane za pomocą GPT Image 2
Research answer
Key takeaways
- Being M0.7 to model AI do całego ciała humanoida: ma koordynować przemieszczanie się i manipulowanie przedmiotami, zamiast traktować te zadania osobno.[1][4]
- Najpierw uczy się na ponad 10 tys. godzin ludzkich nagrań i danych o ruchu, potem dostosowuje przewidywania do budowy i perspektywy robota, a na końcu zamienia je w polecenia sterujące.[1][12]
- W symulacji SIMPLE uzyskał 71,1% skuteczności. Testy na prawdziwym robocie Unitree G1 były niewielkie — po pięć prób na zadanie — a wynik zrównał się z najlepszym punktem odniesienia.[5][6][8]
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
Being-M0.7 to model AI firmy BeingBeyond zaprojektowany do tzw. loco-manipulation: połączenia chodzenia z wykonywaniem zadań rękami, na przykład podnoszeniem przedmiotu. Chodzi o to, by humanoid koordynował całe ciało, zamiast osobno planować ruch nóg i manipulowanie obiektem.1
4
Sedno pomysłu: robot nie musi najpierw uczyć się wszystkiego wyłącznie na własnych demonstracjach. Model czerpie z ponad 10 tys. godzin ludzkich nagrań z perspektywy pierwszej osoby i danych o ruchu, a następnie wykorzystuje trajektorie robota, by dostosować zdobytą wiedzę do jego ciała i sterowania.1
12
Trzy etapy: od ludzkich nagrań do poleceń dla robota
- Uczenie wstępne na danych ludzkich. Model łączy obraz i ruch we wspólnej przestrzeni reprezentacji, po czym przewiduje przyszłe stany wizualne oraz ruch ciała. Zamiast odtwarzać piksele, pracuje na cechach obrazu zakodowanych przez zamrożony encoder DINO. W opisie modelu wskazano także wspólną, 22-wymiarową reprezentację ruchu zakotwiczoną w głowie.
1
12
- Dostosowanie do robota. Trajektorie robota pomagają dopasować wyuczone przewidywania do jego perspektywy kamery, budowy i dynamiki.
7
- Uczenie eksperta działań. Osobny ekspert akcji korzysta z zamrożonego modelu bazowego i przekłada jego kontekst wizualny na wykonywalne polecenia dla całego ciała robota.
5
Dane wejściowe nie są jednolite: część zbiorów zawiera sparowane nagrania i ruch, część tylko wideo, a część wyłącznie sekwencje ruchu. Sparowane przykłady pozwalają uczyć się zależności między obrazem a ruchem, a pozostałe rozszerzają zakres dostępnych materiałów.5
14 Wśród wymienianych zbiorów są Ego4D, Xperience, Nymeria, Bones-SEED, SnapMoGen, HumanML3D i LaFan1, a także materiały z wcześniejszych projektów BeingBeyond i źródeł komercyjnych.
1
To ważne, bo ludzkie dane mogą dostarczyć doświadczeń w skali trudnej do uzyskania wyłącznie przez zbieranie demonstracji na robotach. Nie można jednak po prostu przenieść ludzkiego ruchu na maszynę: różnią się budowa ciała i sposób sterowania. Dodatkowym wyzwaniem jest niekompletność danych — w jednym przykładzie może być tylko obraz, w innym tylko ruch. Rozdzielenie uczenia przewidywania od uczenia sterowania ma pomóc połączyć te źródła, a potem ugruntować wiedzę w możliwościach konkretnego robota.1
5
7
Wyniki: mocny rezultat w symulacji, ostrożność w ocenie testów na robocie
Na symulacyjnym benchmarku SIMPLE, obejmującym sześć zadań na trzech poziomach trudności, Being-M0.7 osiągnął 128 sukcesów na 180 prób, czyli 71,1% — najwyższy łączny wynik wśród porównywanych modeli. Dla porównania Ψ0 uzyskał 64,4%, π0.5 — 52,8%, a GR00T-N1.6 — 33,9%. Bez wstępnego uczenia na danych ludzkich wynik Being-M0.7 spadł do 48,9%.6
Wynik łączny nie oznacza jednak, że model wygrywał każde zadanie z osobna. W części zadań pojedyncze modele bazowe osiągały lepsze rezultaty: Ψ0 w jednym, a π0.5 w dwóch.6 Osobne porównanie wariantu pełnego z wersją korzystającą tylko z kontekstu językowego wskazuje też, że pełny model poprawił wyniki w XMovePick i BendPick, ale wypadł gorzej w XMoveBendPick. Autorzy łączą to z możliwym zakłócaniem się podobnych zadań podczas wspólnego uczenia; to ich interpretacja wyniku, nie dowód na ustaloną przyczynę.
5
7
Na prawdziwym humanoidzie Unitree G1 oceniano trzy zadania łączące przemieszczanie i manipulowanie, po pięć prób na każde. Being-M0.7 zrównał się z najsilniejszym punktem odniesienia, a nie uzyskał samodzielnej przewagi.5
7 Tak mała liczba prób pozwala traktować wynik jako wstępny, nie jako szeroki dowód niezawodności w różnych warunkach.
Co pozostaje do sprawdzenia
Opisane testy nie rozstrzygają, jak model poradzi sobie z dłuższymi, wieloetapowymi zadaniami. Autorzy wskazują, że potrzebne są dalsze badania nad działaniem w dłuższym horyzoncie.5 Ograniczeniem zbierania demonstracji może być też dokładność śledzenia ruchu przez kontroler całego ciała SONIC: w opisanym ustawieniu utrudniała ona pozyskiwanie danych robotycznych. To ograniczenie dotyczy kontrolera używanego przy zbieraniu demonstracji, a nie bezpośrednio samego modelu Being-M0.7.
5
Model opisał zespół BeingBeyond, startupu założonego przez Lu Zongqinga, profesora nadzwyczajnego Uniwersytetu Pekińskiego.3
4 Warto też odróżnić datę publikacji październikowego omówienia od daty pojawienia się modelu: strona BeingBeyond podaje lipiec 2026 r.
12
16
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: jak humanoid ma chodzić i manipulować przedmiotami jednocześnie"?
Being M0.7 to model AI do całego ciała humanoida: ma koordynować przemieszczanie się i manipulowanie przedmiotami, zamiast traktować te zadania osobno.[1][4]
What are the key points to validate first?
Being M0.7 to model AI do całego ciała humanoida: ma koordynować przemieszczanie się i manipulowanie przedmiotami, zamiast traktować te zadania osobno.[1][4] Najpierw uczy się na ponad 10 tys. godzin ludzkich nagrań i danych o ruchu, potem dostosowuje przewidywania do budowy i perspektywy robota, a na końcu zamienia je w polecenia sterujące.[1][12]
What should I do next in practice?
W symulacji SIMPLE uzyskał 71,1% skuteczności. Testy na prawdziwym robocie Unitree G1 były niewielkie — po pięć prób na zadanie — a wynik zrównał się z najlepszym punktem odniesienia.[5][6][8]