ОтветыОпубликовано20 источники
Больше 10 000 часов человеческого опыта — чтобы робот двигался и манипулировал предметами
Being M0.7 — модель для гуманоидов, которая объединяет перемещение и манипуляции предметами в одну задачу, а не обучает этим навыкам по отдельности.[1][6] Сначала модель учится на более чем 10 000 часов человеческих видео и данных о движении, а затем адаптируется к камере, телу и управлению робота.[1][14] В симуляци...
ОпубликовалОтредактировано с помощью GPT-6 LunaИзображения созданы с помощью GPT Image 2
Ответ на исследование
Ключевые выводы
- Being M0.7 — модель для гуманоидов, которая объединяет перемещение и манипуляции предметами в одну задачу, а не обучает этим навыкам по отдельности.[1][6]
- Сначала модель учится на более чем 10 000 часов человеческих видео и данных о движении, а затем адаптируется к камере, телу и управлению робота.[1][14]
- В симуляции SIMPLE модель показала 71,1% успешных попыток; в испытаниях на Unitree G1 она сравнялась с сильнейшим базовым вариантом, но результаты реальных тестов ограничены небольшим числом попыток.[5][6]
Промпт ИИ
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 — модель компании BeingBeyond для гуманоидных роботов. Она рассчитана на одновременную ходьбу и манипуляции предметами: например, робот должен переместиться к объекту, наклониться или потянуться к нему, сохраняя согласованную работу всего тела. Такой набор навыков в робототехнике называют loco-manipulation — сочетанием передвижения и манипуляций.1
6
Ключевая идея — сначала научить модель предсказывать, как меняются сцена и движения тела, используя большой массив человеческих данных, и лишь после этого привязать полученные знания к управлению конкретным роботом.1
14
Зачем модели человеческие данные
Роботам трудно собрать достаточно разнообразных демонстраций: для этого нужно записывать, как именно робот выполняет действия, а сбор таких траекторий может быть непростым. Человеческих видео и записей движений гораздо больше, но они не всегда содержат одни и те же данные. Где-то есть только видео, где-то — только последовательность движений, а иногда доступны оба вида информации. При этом человеческое движение нельзя просто скопировать на робота: у него другое тело и другая механика.3
5
Being-M0.7 обучается на трёх потоках данных: парах видео и движений, видео без записей движений и последовательностях движений без видео. Парные примеры помогают учить модель на обоих типах данных сразу, а отдельные видео и движения расширяют обучающую выборку.14 Среди названных источников — Ego4D, Xperience, Nymeria, Bones-SEED, SnapMoGen, HumanML3D и Lafan1; также использовались материалы прежних проектов BeingBeyond и коммерческие данные.
1
Три этапа: от человеческого опыта к командам роботу
- Предварительное обучение на людях. Модель сопоставляет видео и движения в общем пространстве представлений и учится предсказывать будущие визуальные состояния и движения тела. Вместо генерации обычного видео с каждым пикселем она работает с компактными визуальными представлениями — латентными признаками.
1
12
- Адаптация к роботу. Затем роботизированные траектории помогают приспособить полученные знания к конкретной камере, конфигурации тела и динамике робота.
7
8
- Обучение эксперта действий. Отдельный модуль использует предсказания модели, чтобы формировать исполнимые команды для всего тела робота. Так знания о том, как развиваются сцена и движение, переводятся в управление — человеческие движения не копируются напрямую.
В описании модели также говорится о замороженных визуальных признаках DINO и общей компактной 22-мерной системе описания движений, связанной с головой и корнем тела.12 Это технический способ представить зрительную информацию и движение в форме, пригодной для обучения; доступные материалы не позволяют надёжно уточнить все детали реализации.
Что показали испытания
В симуляционном тесте SIMPLE модель проверяли на шести задачах трёх уровней сложности. Она справилась в 128 из 180 попыток — это 71,1%, лучший совокупный результат среди указанных вариантов сравнения.6 У Ψ0 результат составил 64,4%, у π0.5 — 52,8%, у GR00T-N1.6 — 33,9%. Если убрать предварительное обучение на человеческих данных, результат Being-M0.7 снижается до 48,9%.
6
Однако высокий общий балл не означает победу в каждой отдельной задаче: в некоторых из них лучше выступили базовые модели.6 В сравнении с вариантом, использующим только языковой контекст, полная модель улучшила результаты в XMovePick и BendPick, но показала худший результат в XMoveBendPick. Авторы связывают это с возможным вмешательством задач друг в друга при совместном обучении; это объяснение, а не доказанная причина.
5
На реальном гуманоидном роботе Unitree G1 проверяли три задачи перемещения с манипуляциями — по пять попыток на каждую. Согласно доступному описанию испытаний, Being-M0.7 сравнялась с самым сильным базовым вариантом, а не опередила его.5 При таком небольшом числе попыток результаты не дают широкого вывода о надёжности робота в разных условиях.
Что пока остаётся открытым
Проверки охватывали задачи ограниченной продолжительности. Поэтому по ним нельзя судить, насколько надёжно робот справится с долгой последовательностью действий или исправит ошибки, которые накапливаются со временем.5 Кроме того, авторы указывают на ограничения точности отслеживания движений у использованного полнотелого контроллера SONIC. Это затрудняет сбор роботизированных демонстраций и может ограничивать их количество и качество.
5
Отдельно стоит уточнить дату: публикация с описанием модели вышла 12 октября 2026 года, тогда как страница BeingBeyond указывает для Being-M0.7 дату 14 июля 2026 года.4
16 Лу Цзунцин назван основателем компании и доцентом Пекинского университета.
3
4
Studio Global AI
Продолжайте свое исследование
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Люди также спрашивают
Каков краткий ответ на вопрос «Больше 10 000 часов человеческого опыта — чтобы робот двигался и манипулировал предметами»?
Being M0.7 — модель для гуманоидов, которая объединяет перемещение и манипуляции предметами в одну задачу, а не обучает этим навыкам по отдельности.[1][6]
Какие ключевые моменты необходимо проверить в первую очередь?
Being M0.7 — модель для гуманоидов, которая объединяет перемещение и манипуляции предметами в одну задачу, а не обучает этим навыкам по отдельности.[1][6] Сначала модель учится на более чем 10 000 часов человеческих видео и данных о движении, а затем адаптируется к камере, телу и управлению робота.[1][14]
Что мне делать дальше на практике?
В симуляции SIMPLE модель показала 71,1% успешных попыток; в испытаниях на Unitree G1 она сравнялась с сильнейшим базовым вариантом, но результаты реальных тестов ограничены небольшим числом попыток.[5][6]